Serrano-Modelación Hidrológica Semidistribuida de Micro Cuencas PDF

UNIVERSIDAD DE CUENCA
RESUMEN
Con la finalidad de contribuir al entendimiento del manejo integral de cuencas

hidrográficas esta investigación pretende determinar el comportamiento
hidrológico de micro-cuencas de montaña caracterizadas por un suelo en
especial con la aplicación de modelos hidrológicos como: SWAT (Herramienta
de Evaluación para el Suelo y Agua), TOPMODEL (Modelo basado en el Índice
Topográfico) y WEAP (Evaluación del Agua y Planificación); de los cuales a
partir de un primer análisis comparativo se verificaran las ventajas y
desventajas de cada uno y así poder seleccionar el modelo más recomendable
para realizar el análisis de las micro-cuencas en estudio, Ortigas, Río Grande,
Pajonal y Pinos, las cuales están localizadas en la región andina del Ecuador
La tesis se realizo en el PROMAS-U. Cuenca dentro del proyecto “Modelación
hidrológica distribuida como herramienta de soporte de decisiones para
restauración hidrológica forestal de cuencas hidrográficas andinas” con el
apoyo del SENACYT.
Luego de clasificar los modelos hidrológicos, se analizan las ventajas y
desventajas de cada uno de ellos para así poder seleccionar el modelo
hidrológico que será implementado con la información de las diferentes micro-
cuencas, posterior al análisis comparativo se selecciono el modelo
TOPMODEL.
Seleccionado el programa, se procede a la calibración del modelo, esto
consiste en el ingreso de la información necesaria, realizar diferentes cálculos y
aproximaciones que permitan establecer el comportamiento hidrológico más
cercano a las condiciones reales; para validarlo y concluir las potencialidades
de aplicar el modelo hidrológico en micro-cuencas de alta montaña.
Palabras clave: Páramo, Modelación Hidrológica, Micro cuenca, TOPMODEL.
Martha Elena Carrillo Serrano 1

Contenido
DEDICATORIA .......................................................................................................................... 4
AGRADECIMIENTOS .............................................................................................................. 5
1. INTRODUCCION ................................................................................................................ 6
1.1 Antecedentes y Justificación .................................................................................... 7
1.2 Auspicio ........................................................................................................................ 8
1.3 Objetivos ...................................................................................................................... 8
1.3.1 Objetivo General ................................................................................................. 8
1.3.2 Objetivos específicos ......................................................................................... 8
2. MATERIALES Y METODOS ............................................................................................ 9
2.1 Ubicación geográfica del área de estudio ............................................................. 9
2.2 Morfometría de las cuencas.................................................................................... 11
2.3 Equipamiento y Medición ........................................................................................ 14
2.3.1 Precipitación ...................................................................................................... 15
2.3.2 Medición del caudal.......................................................................................... 15
2.3.3 Medición de datos climatológicos .................................................................. 16
2.4 Recopilación y procesamiento de datos ............................................................... 17
2.4.1 Topografía.......................................................................................................... 17
2.4.2 Suelos................................................................................................................. 19
2.4.2.1 Tipos de suelos ............................................................................................. 19
2.4.2.2 Grupos hidrológicos del suelo .................................................................... 22
2.4.3 Uso del suelo/Cobertura vegetal .................................................................... 23
2.4.4 Datos hidrometeorológicos ............................................................................. 24
2.4.4.1 Precipitación .................................................................................................. 25
2.4.4.2 Datos Meteorologicos .................................................................................. 29
2.4.5 Caudales ............................................................................................................ 31
3. MODELOS HIDROLOGICOS ......................................................................................... 34
3.1 Una Visión General sobre los Modelos ................................................................. 34
3.2 Clasificación de los modelos. ................................................................................. 35
3.3 Análisis de la modelización hidrológica semidistribuida ..................................... 37
3.3.1 SWAT ................................................................................................................. 37
3.3.2 TOPMODEL ...................................................................................................... 38
3.3.3 WEAP ................................................................................................................. 40
3.4 Selección del modelo semidistribuido ................................................................... 41

4. TOPMODEL ...................................................................................................................... 42
4.1 Objetivos de la Modelación ..................................................................................... 42
4.2 Un Modelo Perceptual de Producción de Escorrentía ........................................ 43
4.3 Un Modelo Conceptual de Producción de Escorrentía....................................... 44
4.3.1 La Organización del Almacenamiento en TOPMODEL.............................. 51
4.3.2 Curso del Canal y Estructura de las Sub-cuencas ...................................... 59
4.3.3 Derivando el Índice Topográfico..................................................................... 60
4.3.4 El concepto TOPMODEL y la Semejanza Hidrológica ............................... 62
4.3.5 Calibración del modelo .................................................................................... 65
4.4 Revisión Bibliográfica ............................................................................................... 68
4.4.1 Ejemplos de Aplicación y Resultados ........................................................... 69
4.4.2 Aplicación del TOPMODEL en micro-cuencas del páramo ....................... 76
5. RESULTADOS .................................................................................................................. 81
5.1 Calibración ................................................................................................................. 81
5.1.1 Cálculo del Índice Topográfico ....................................................................... 81
5.1.2 Ríos..................................................................................................................... 86
5.1.3 Retraso (Delay) ................................................................................................. 87
5.1.4 TopModel ........................................................................................................... 88
5.2 Validación ................................................................................................................ 108
6. CONCLUSIONES Y RECOMENDACIONES ............................................................. 112
6.1 Conclusiones ........................................................................................................... 112
6.2 Recomendaciones .................................................................................................. 113
7. BIBLIOGRAFIA ............................................................................................................... 115
8. ANEXOS .......................................................................................................................... 122
8.1 Datos de Precipitación ........................................................................................... 122
8.2 Datos Meteorológicos ............................................................................................ 126

DEDICATORIA
Dedico el presente trabajo a mis

padres y a mi familia, quienes me
han apoyado durante toda mi
carrera universitaria.

AGRADECIMIENTOS
Luego de haber realizado esta investigación, quiero expresar mis más sinceros
agradecimientos primero a Dios, ya que sin El nada hubiera sido posible, y a
todas las personas que me ayudaron con el desarrollo del presente trabajo, mis
padres, amigos y de manera muy especial al Ing. Felipe Cisneros E. Ph.D,
director de la investigación y del PROMAS-U Cuenca.
Al Ing. Cristian Coello M.Sc. quien como tutor de la investigación me brindo su

desinterasada ayuda de manera constante a lo largo de toda la realización de
la tesis, y a todo el personal del PROMAS que en todo momento me brindaron
su apoyo.
5
1. INTRODUCCION
En su acepción más simple, se conoce como cuenca hidrográfica al área

drenada por un rio. La cuenca es una unidad natural hidrológica y geofísica,
con límites definidos que facilitan la planificación y el aprovechamiento de sus
recursos. Los límites de la cuenca dependen de su topografía y están
determinados por la línea divisoria de aguas. En la cuenca hidrográfica es
posible efectuar el balance del ciclo hidrológico, cuantificando con mayor
precisión el agua disponible. Asimismo, las cuencas hidrográficas facilitan la
percepción del efecto negativo de las acciones del hombre sobre su entorno,
evidenciándola en la contaminación y en la calidad del agua evacuada por la
cuenca, quedando claro, que el agua es el recurso integrador y el producto
resultante de la cuenca.
Se entiende por manejo de cuencas hidrográficas la aplicación de principios y

métodos para el uso racional, integrado y participativo de los recursos naturales
de la cuenca; fundamentalmente del agua, del suelo y de la vegetación, a fin de
lograr una producción optima y sostenida de estos recursos con el mínimo
deterioro ambiental, para beneficio de los pobladores y usuarios de la cuenca.
Con la finalidad de contribuir al entendimiento del manejo integral de cuencas

hidrográficas esta investigación pretende determinar el comportamiento
hidrológico de micro-cuencas de montaña caracterizadas por un suelo en
especial con la aplicación de modelos hidrológicos como: SWAT (Herramienta
de Evaluación para el Suelo y Agua), TOPMODEL (Modelo basado en el Índice
Topográfico) y WEAP (Evaluación del Agua y Planificación); de los cuales a
partir de un primer análisis comparativo se verificaran las ventajas y
desventajas de cada uno y así poder seleccionar el modelo más recomendable
para realizar el análisis de las micro-cuencas en estudio.
Para el desarrollo de la presente tesis, el área geográfica de investigación lo

conforman cuatro micro-cuencas de alta montaña, localizadas en la región
andina del Ecuador. Los datos disponibles correspondientes a información de
topografía, caudal, precipitación, temperatura, radiación solar, velocidad del
viento, punto de rocío, entre otros parámetros climáticos y de suelos; los cuales
son los necesarios para la modelación hidrológica. Toda la información y
demás recursos necesarios para la realización de esta investigación fueron
obtenidos gracias al PROMAS-U. de Cuenca, dentro del proyecto “Modelación
hidrológica distribuida como herramienta de soporte de decisiones para
restauración hidrológica forestal de cuencas hidrográficas andinas” con el
apoyo del SENACYT.

El presente trabajo de investigación consiste en la descripción de la zona de

estudio, que abarca la ubicación geográfica de las micro-cuencas, la ubicación
de los equipos hidrometeorológicos, el tipo y uso de suelo; el primer objetivo es
realizar el control de calidad de la información a ser utilizada, esto comprende
el análisis de los datos, relleno y homogeneización de la información, más los
análisis hidrológicos correspondientes.
Posterior a estas actividades se procede a clasificar los modelos hidrológicos,

se analizaran las ventajas y desventajas de cada uno de ellos para así poder
seleccionar el modelo hidrológico que será implementado con la información de
las diferentes micro-cuencas.
Otra fase de la investigación consiste en la calibración del modelo, esto

consistirá en el ingreso de la información necesaria, realizar diferentes cálculos
y aproximaciones que permitan establecer el comportamiento hidrológico más
cercano a las condiciones reales; para validarlo y concluir las potencialidades
de aplicar el modelo hidrológico en micro-cuencas de alta montaña.
Con la implementación del modelo se procederá a la presentación de

resultados de una manera clara y comprensible.
1.1 Antecedentes y Justificación
Un adecuado manejo de los recursos hídricos comprende un proceso de

desarrollo coordinado que involucra el manejo de recursos del agua y de la
tierra. Su propósito principal es desarrollar soluciones sostenibles que integren
los aspectos técnicos, económicos y sociales de la utilización del agua.
La modelación hidrológica es una herramienta de ayuda que permite entender

y evaluar estos procesos para así identificar las ventajas y desventajas de las
acciones antrópicas sobre ecosistemas de montaña y su afección los recursos
hídricos. Los modelos hidrológicos tratan de reproducir el fenómeno lluvia-
escurrimiento en una cuenca, por ello es muy importante la implementación de
estos modelos para la toma de decisiones en la restauración hidrológica
forestal de micro cuencas de montaña.
Por todos estos motivos se ha decido estudiar los diferentes tipos de modelos
hidrológicos como el SWAT, WEAP y TOPMODEL, y conociendo las ventajas y
desventajas de cada uno de ellos seleccionar uno que permita entender el
comportamiento hidrológico de las micro-cuencas en estudio.
Con el desarrollo del tema de investigación se pretende adquirir experiencia en

la utilización del modelo hidrológico semi-distribuido en cuencas de alta

montaña. Es muy importante conocer los procesos hidrológicos, para lo cual el

modelo seleccionado deberá ser muy útil.
1.2 Auspicio
El PROMAS Universidad de Cuenca viene desarrollando proyectos de

investigación en el campo de los recursos hídricos bajo el financiamiento de la
SENACYT. Los inicios de la investigación se centran en micro cuencas de alta
montaña y en la utilización de modelos hidrológicos de diversa complejidad.
En este sentido y en el marco del proyecto “Modelación hidrológica distribuida

como herramienta de soporte de decisiones para restauración hidrológica
forestal de cuencas hidrográficas andinas” el SENACYT y PROMAS
Universidad de Cuenca tienen la necesidad de conocer la validez de la
utilización de modelos hidrológicos semidistribuidos en la respuesta hidrológica
de micro cuencas con diferente cobertura vegetal.
1.3 Objetivos
1.3.1 Objetivo General
Contribuir al claro entendimiento del proceso hidrológico en cuencas

hidrográficas de montaña, en función del uso y tipo del suelo.
1.3.2 Objetivos específicos
Seleccionar e Implementar un modelo hidrológico semidistribuido en

cuatro micro-cuencas de montaña caracterizadas por coberturas
diferentes
Calibración y validación de micro cuencas de montañas en base a
modelización hidrológica
Determinar las variables más sensibles del modelo empleado para micro
cuencas de montañas.
Determinar la validez del usos de modelos semidistribuidos en
ecosistemas de montaña

2. MATERIALES Y METODOS
2.1 Ubicación geográfica del área de estudio
La zona de estudio para la presente investigación consta de cuatro micro-

cuencas de montaña, dividiéndolas en dos grupos, por un lado dos micro-
cuencas con régimen climático de costa y tributantes del pacífico y un grupo de
micro-cuencas con régimen bimodal característico de la región andina del sur
del País que desembocan en el Atlántico.
Las dos primeras micro-cuencas, Ortigas y Río Grande, se encuentran

localizadas en la zona de la cuenca alta del Río Bulubulu, dentro del cantón
Cañar, provincia del Cañar (Ver Figura 2.1).
El relieve de la zona en estudio se encuentran en la lateral oeste de la

cordillera occidental de la sierra ecuatoriana, en la transición sierra – costa, por
lo cual presenta un relieve pronunciado y accidentado con la presencia de
pendientes pronunciadas, aspectos muy comunes en las micro cuencas de
montaña.
Figura 2.1. Localización de las micro-cuencas de Ortigas y Río Grande

Río Grande: Esta tiene una extensión de 5,46Km2, un perímetro de 10545m,

altitudinalemente se encuentra en un rango de 2230 y 3280m.s.n.m. Con una
cobertura vegetal natural formada por bosque y chaparro y con poca cantidad
de pasto, por lo que se la clasifica como una cobertura mixta. Su tipo de suelo
está formado por Andosol y Leptosol, en la salida de la captación encontramos
la mayoría otro tipo de suelo como el Cambisol.
Ortigas: Esta tiene una extensión de 0,99Km2, un perímetro de 4750m, el

rango de alturas está entre los 2305 y 2880 m.s.n.m. Se encuentra formada de
bosque natural, con un poco de pasto que encontramos en la parte occidental
de la micro-cuenca, cuya cobertura está clasificada como de bosque nativo;
con un tipo de suelo en su mayoría Andosol, en menos presencia encontramos
Cambisol y Leptosol.
El clima tiene dos estaciones marcadas: invierno (diciembre-mayo), en donde

se espera una precipitación mayor al 90%; y verano (junio-noviembre), que se
caracteriza por ser muy seco y extenso.
Las otras dos micro-cuencas con diferente cobertura vegetal fueron

identificadas por medio de una imagen satelital y fotografías aéreas que
posteriormente fueron localizadas con precisión en la correspondiente visita de
campo, las mismas que se encuentran en zonas de páramo. Estas micro-
cuencas se ubican al noroeste de la ciudad de Cuenca, la principal carretera de
acceso es la vía Cuenca-Molleturo-Naranjal, sector El Cajas conocido como
Marianza, dentro de la cuenca del Paute (Ver Figura 2.2).
Figura 2.2. Localización de las dos micro-cuencas de páramo

Marianza Pajonal: Esta micro-cuenca tiene una extensión de 1,03Km 2, un

perímetro de 4816m. Tiene una cota mínima de 2980 y una cota máxima de
3740m.s.n.m. Con una cobertura vegetal natural formada por pajonal, el tipo de
suelo es Andosol, el estado actual es cobertura inalterada, y su uso de suelo es
para ganadería extensiva.
Marianza Pinos: Esta micro-cuenca tiene una extensión de 0,59km 2, un

perímetro de 3102m. Tiene una cota mínima de 3240 y una cota máxima de
3700m.s.n.m. Con una cobertura vegetal formada por bosque de pinos en un
98%, el tipo de suelo de esta es Andosol, el estado actual es de una cobertura
forestada, y su uso de suelo es para plantación de pinos.
El páramo está caracterizado por un clima frío y húmedo. La precipitación es

extremadamente variable en espacio y tiempo. Generalmente, las intensidades
de lluvia son bajas. Los vientos pueden ser muy fuertes y altamente variables
en dirección, debido a las pendientes fuertes y lo accidentado de la topografía.
2.2 Morfometría de las cuencas
El proceso de caracterización de las propiedades morfométricas de la red de

drenaje, es el primer paso en la búsqueda de las relaciones entre estos y las
condiciones climáticas, geológicas e hidrológicas que determinan la evolución
de la cuenca (Navarrete, 2004).
El comportamiento de la red hidrológica, puede verse modificado por las
propiedades
morfométricas de las cuencas (forma, pendiente y red hidrológica) que tienen
que ver con la respuesta del caudal recibido y que pueden operar tanto para
disminuir o intensificar las crecidas ya que éstas, actúan incrementando el
volumen del flujo y la velocidad de su movimiento que son determinantes para
evitar desastres en caso de fuertes lluvias (Robinson, 2000).
Para hacer una clasificación de las micro-cuencas en estudio según su forma
se han obtenido los siguientes parámetros de forma:
Coeficiente de Compacidad (Cc) o Índice de Gravelius (1914): Es la

relación entre el perímetro de la cuenca y el de una circunferencia; sus
resultados estarán basados en la clasificación de Campos (1992) mostrados en
la Tabla 2.1. Cuánto más cercano esté el índice a la unidad, la cuenca será
más circular y por tanto más compacta, y en la media que aumenta, la cuenca
adquiere una forma más oval. La fórmula de Gravelius, está dada por:
(2.1)

Donde:
Cc = Coeficiente de compacidad.
A = Área de la cuenca.
Pc= Perímetro de la cuenca.
Clase de Indice de Compacidad

Forma de la Cuenca
Forma (Cc)
Clase I 1.0 a 1.25 Casi redonda a oval-redonda
Clase II 1.26 - 1.50 Oval-redonda a oval oblonga
Clase III 1.51 a mas de 2 Oval-oblonga a rectangular-oblonga
Tabla 2.1. Formas de la cuenca de acuerdo al Índice de compacidad.
(Campos, 1992)
Los resultados del índice de compacidad y la respectiva clasificación de las

micro-cuencas se muestran en la Tabla 2.6.
Micro-cuenca Area (km2) Perímetro (km) Cc Forma de la Cuenca

Ortigas 0.99 4.75 1.35 Oval-redonda a oval oblonga
Rio Grande 5.46 10.545 1.27 Oval-redonda a oval oblonga
Pajonal 1.03 4.816 1.34 Oval-redonda a oval oblonga
Pinos 0.59 3.102 1.14 Oval-redonda a oval oblonga
Tabla 2.2. Clasificación de las micro-cuencas según el coeficiente de compacidad
Razón de Elongación (Re): Es la relación entre el diámetro de un círculo con

igual área que la de la cuenca y la longitud máxima de la misma. La fórmula es
la propuesta por Shumm (1956):
(2.2)
Donde:
Re= Relación de elongación.
Lc= Longitud del cauce principal de la cuenca.
A = Área.
La ecuación 2.2, es la más extendida para calcular este índice debido a la alta
correlación que guarda con la hidrología de la cuenca. Valores cerca a la
unidad implicará formas redondeadas y cuanto menor sea a la unidad, será
más alargada (González, 2004).
En la Tabla 2.3 se puede observar los valores de la razón de elongación y la

forma de las micro-cuencas según este coeficiente.

Micro-cuenca Area (km2) Longitud del cauce (km) Re Forma de la Cuenca

Ortigas 0.99 1.28 0.87 Redondeada
Rio Grande 5.46 3.57 1.34 Alargada
Pajonal 1.03 1.96 0.32 Alargada
Pinos 0.59 1.45 0.60 Redondeada
Tabla 2.3. Clasificación de las micro-cuencas según razón de elongación
(Campos, 1992)
Factor de Forma (F): Este factor fue propuesto por Horton (1945) donde
relaciona el área de la cuenca y la longitud de la misma. En este sentido,
valores inferiores a la unidad indican cuencas alargadas y aquellos cercanos a
uno, son redondeadas. Se expresa con la ecuación:
(2.3)
Donde:
A= Área de la cuenca.
L2= Longitud de la cuenca.
En la Tabla 2.4 se muestra la clasificación de las micro-cuencas según el factor

forma.
Micro-cuenca Area (km2) Longitud de la cuenca (km) F Forma de la Cuenca

Ortigas 0.99 1.52 0.99 Redondeada
Rio Grande 5.46 3.45 5.46 Alargada
Pajonal 1.03 1.82 1.03 Alargada
Pinos 0.59 0.98 0.59 Redondeada
Tabla 2.4. Factor forma de las micro-cuencas
Tamaño de la cuenca: Para definirla, Campos (1992) propone una

clasificación basada en la superficie de la misma (Tabla 2.5).
Tamaño de la
Descripción
cuenca (km2)
Menores de 25 Muy Pequeña
25 a 250 Pequeña
250 a 500 Intermedia Pequeña
500 a 2500 Intermedia Grande
2500 a 5000 Grande
Mas de 5000 Muy Grande
Tabla 2.5. Clasificación propuesta para el tamaño de cuencas
(Campos, 1992)
Según esta tabla, las cuencas en estudio, Ortigas, Río Grande Marianza
Pajonal y Marianza Pinos, están clasificadas como Muy Pequeñas.

2.3 Equipamiento y Medición
Para una obtención de datos confiables, la red de monitoreo se ha colocado

estratégicamente en las micro-cuencas. La red de pluviógrafos así como las
estaciones climáticas y sensores de nivel están ubicados de acuerdo a la Tabla
2.6. Estos datos están georeferenciados según el datum psad56.
ALTURA
NOMBRE UTMx UTMy TIPO
(m.s.n.m.)
Marianza: PT1 708862 9684685 3438,7 Pluviógrafo
Marianza: PT2 709221 968439 3621.7 Pluviógrafo
Marianza: PP1 709876 9684662 3375.7 Pluviógrafo
Suscalpamba 715448 9729676 2737 Pluviógrafo
Potrerillos 716951 9733039 2963 Pluviógrafo
Chilchil 710239 9730236 2841 Pluviógrafo
Ortigas 713818 9732708 2330 Pluviógrafo
Marianza: Pajonal 709611 9685452 2980 Est. Hidrográfica
Marianza: Pinos 710442 9684035 3240 Est. Hidrográfica
Ortigas 713907 9732284 2305 Est. Hidrográfica
Río Grande 713611 9731939 2220 Est. Hidrográfica
Marianza 708890 9684604 3454 Est.
Chontamarca 712446 9731058 2254 Est.
Tabla 2.6. Equipos instalados
A cada micro cuenca corresponde una parte del equipo de acuerdo a su

ubicación, para un mejor entendimiento de la red de monitoreo, se indica a
continuación en la Tabla 2.7, el equipo instalado en cada una de ellas y con el
porcentaje de influencia en el caso de los pluviógrafos, cuyo análisis fue
realizado mediante polígonos de Thiessen.
Área de Influencia
Micro-cuenca Pluviógrafos
de Pluviógrafos
Ortigas Ortigas 100%
Ortigas 45%
Río Grande Potrerillos 48%
Suscalpamba 7%
Pinos 80%
Marianza Pinos
Pajonal 2 20%
Pajonal 1 75%
Marianza Pajonal
Pajonal 2 25%
Tabla 2.7. Red de Pluviógrafos, y el área de influencia en cada micro-cuenca

2.3.1 Precipitación
Todas las micro cuencas de investigación fueron equipadas para monitoreo de

la precipitación, caudal y clima. Los pluviógrafos que fueron instalados tienen
resoluciones de impulso de 0.254mm y 0.2mm dependiendo el caso. Los
pluviógrafos instalados se muestran en la Figura 2.3 a continuación.
Figura 2.3. Pluviógrafos instalados “Rain Collector II y HOBO datalogger”
2.3.2 Medición del caudal
La medición de caudales se realiza mediante estaciones limigráficas en las

cuales se tiene la infraestructura necesaria para medir alturas de agua
mediante sensores de nivel (Figura 2.4), los cuales mediante curvas calibradas
convenientemente de acuerdo a las estructuras de medición, da los caudales
instantáneos que salen por el cauce del río.
Para la determinación adecuada de los caudales en cada micro cuenca se

implemento:
Un vertedero triangular de cresta delgada (Figura 2.5)

Un transductor de presión sumergible, sensor ubicado aguas arriba del
vertedero para medir la altura de agua sobre la cresta del vertedero.
Un instrumento que registra automáticamente el nivel del agua o
datalogger.
Baro y mini diver para la estimación de niveles.

Figura 2.4. Transductor de presión (Global water instrument, USA)
Figura 2.5. Fotografía del Vertedero triangular instalado en Ortigas
2.3.3 Medición de datos climatológicos
Para la medición de los datos de clima se utilizan las estaciones

meteorológicas de:
Chontamarca, ubicada en las coordenadas (712446 UTMx, 9731058 UTMy), la

cual caracteriza el clima de las micro-cuencas de Ortigas y Río Grande, la
estación de Marianza (Figura 2.6) localizada en las coordenadas (708890
UTMx, 9684604 UTMy) rige el clima de las micro-cuencas Marianza Pajonal y
Marianza Pinos, los parámetros obtenidos de las estaciones son:
Velocidad del viento a 2,0m sobre la superficie del suelo, en m/s

Dirección del viento
Precipitación en mm

Radiación solar en W/m²

Temperatura °C (max, min, media)
Humedad relativa (max, min, media)
Presión Barométrica (mm/bar)
Punto de Rocio ºC
Figura 2.6. Fotografía de la Estación meteorológica en Marianza (Campbell)
2.4 Recopilación y procesamiento de datos
Para realizar la modelación de una cuenca hidrográfica es necesaria cierta

información, como:
Topografía (curvas de nivel, ríos, quebradas).

Suelo.
Uso del suelo/Cobertura vegetal.
Información climática como: precipitación, temperatura, humedad
relativa, radiación solar, velocidad del viento. El registro de estos datos
es diario.
Observaciones y mediciones de caudal como respuesta hidrológica en
las micro-cuencas, para una correcta calibración del modelo.
2.4.1 Topografía
La topografía de la cuenca es muy importante ya que sirve para enmarcar el

contexto de las áreas y completar la descripción física de la cuenca. Para
realizar la modelización de las micro-cuencas se requiere un Modelo de
Elevación Digital (DEM). El DEM es una estructura numérica de datos que
representa la distribución espacial de la elevación del terreno. Se ha utilizado el

programa ArcGIS9.3 para la realización del DEM de las micro-cuencas

estudiadas. En las Figuras 2.7, 2.8, 2.9 y 2.10, se muestra los DEM de cada
una de las micro-cuencas.
Figura 2.7. DEM de la microcuenca Ortigas
Figura 2.8. DEM de la microcuenca Rio Grande

Figura 2.9. DEM de la micrcuenca Marianza Pajonal
Figura 2.10. DEM de la microcenca Marianza Pinos
2.4.2 Suelos
2.4.2.1 Tipos de suelos
En las micro-cuencas en estudio se determinaron tres tipos de suelos (Ver

Figura 2.11 y Figura 2.12), los cuales se describen a continuación:
Andosol: El término Andosol deriva de los vocablos japoneses "an" que

significa negro y "do" que significa suelo, haciendo alusión a su carácter de
suelos negros de formaciones volcánicas. El material original lo constituyen,
fundamentalmente, cenizas volcánicas. Se encuentran en áreas onduladas a
montañosas de las regiones húmedas, desde el ártico al trópico, bajo un amplio

rango de formaciones vegetales. Su principal limitación es la elevada
capacidad de fijación de fosfatos. Las propiedades físicas de estos suelos
están condicionadas por una textura fina, aunque su contenido en arcilla no
suele pasar del 20 a 25 %, pobre en arenas y tanto más cuanto mayor es la
evolución.
La estructura es "particular" formada por agregados muy finos, de tamaño limo

y arena fina, como consecuencia de la formación de los complejos organo-
metálicos que son el origen de este Grupo de suelos. La formación del
complejo verdadero entre los ácidos fúlvicos y el hierro y el aluminio, engloba a
los complejos de adsorción constituidos por las arcillas neoformadas en la
alteración geoquímica, que precede a la edafización, y los ácidos húmicos poco
polimerizados, procedentes de la humificación de los primeros restos vegetales
incorporados. Mientras la parte interna del agregado presenta una renovación
de la materia orgánica muy lenta, la parte externa es de renovación más rápida,
que facilita su mineralización paulatina. La presencia de alofana como mineral
muy abundante de la fracción arcillosa, le otorga al suelo una consistencia
"untuosa" muy particular conocida como "tixotropía", cuya peculiaridad es que
al ser presionada una porción húmeda de suelo se licúa y fluye entre los dedos,
volviendo a su estado semisólido original al cesar la presión. Todo ello conduce
a una estructura muy porosa con una densidad aparente del suelo muy baja,
entre 0.5 y 0.8 kgdm-3, y una permeabilidad muy elevada.
La desecación del suelo provoca una retracción de los agregados que los hace
muy difíciles de volver a rehumectar; por esta razón la capacidad de retención
de agua puede reducirse hasta en un 60 % de la inicial. El suelo se convierte
en una masa polvorienta e hidrófoba con pérdida de sus mejores
características físicas.
La necesidad de mantenerse húmedos para conservar su naturaleza de

Andosol, hace que el lavado sea intenso y la pérdida de bases abundante; ello
conduce a valores de pH algo ácidos aunque pueden estar cercanos a la
neutralidad. El contenido de la materia orgánica, puede alcanzar valores del 20
% o mayores
Cambisol: El término Cambisol se deriva del vocablo latino "cambiare" que

significa cambiar, haciendo alusión al principio de diferenciación de horizontes
manifestado por cambios en el color, la estructura o el lavado de carbonatos,
entre otros. Los Cambisoles se desarrollan sobre materiales de alteración
procedentes de un amplio tipo de rocas, entre ellos se destacan los depósitos
de carácter eólico, aluvial o coluvial. Aparecen sobre todas las morfologías,
climas y tipos de vegetación. Permiten un amplio rango de posibles usos
agrícolas. Sus principales limitaciones están asociadas a la topografía, bajo
espesor, pedregosidad o bajo contenido en bases. En zonas de elevada
pendiente su uso queda reducido al forestal o pascícola.
Leptosol: El término Leptosol se deriva del vocablo griego "leptos" que

significa delgado, haciendo alusión a su espesor reducido. Puede estar
constituido de rocas o materiales no consolidados. Aparecen en zonas altas o

medias con una topografía escarpada y elevadas pendientes. Se encuentran

en todas las zonas climáticas y, particularmente, en áreas fuertemente
erosionadas. Son suelos poco aptos para cultivos, por lo que se los mantiene
para uso forestal. La única característica asociada al grupo es su falta de
espesor, ella lleva consigo una escasa retención de agua y de nutrientes,
acrecentada por la textura gruesa que es propia de estos suelos, salvo en
casos excepcionales.
(http://www.unex.es/edafo/FAO.htm).
Figura 2.11. Tipos de suelos en las micro-cuencas Ortigas y Rio Grande
Figura 2.12. Tipos de suelos en las micro-cuencas Pajonal y Pinos

En la Tabla 2.8 se muestra la distribución de cada tipo de suelo en las micro-

cuencas.
Micro cuenca Andosol (%) Cambisol (%) Leptosol (%)

Ortigas 72.72 3.13 24.14
Río Grande 56.77 6.42 36.81
Marianza Pajonal 100 0 0
Marianza Pinos 100 0 0
Tabla 2.8. Distribucion de las categoriaas de suelos utilizadas
2.4.2.2 Grupos hidrológicos del suelo
El Servicio de Conservación de los Recursos Naturales (NRCS) de los EE.UU

clasifica a los suelos en cuatro grupos hidrológicos (A, B, C, D), basándose en
las características de la infiltración de los suelos.
GRUPO A. BAJO POTENCIAL DE ESCORRENTÍA: Son suelos que tienen una

alta tasa de infiltración aún cuando están muy húmedos. Consisten en arenas o
gravas, son profundos y excesivamente drenados. Tienen una alta tasa de
transmisión de agua.
GRUPO B. MODERADAMENTE BAJO POTENCIAL DE ESCORRENTÍA: Son

suelos con tasa de infiltración moderada cuando están muy húmedos. Son
moderadamente profundos a profundos, de una drenabilidad media a
drenados, y con una textura moderadamente fina a gruesa, y permeabilidad
moderadamente lenta a moderadamente rápida. Tienen una tasa de
transmisión de agua moderada.
GRUPO C. MODERADAMENTE ALTO POTENCIAL DE ESCORRENTÍA: Son

suelos con infiltración lenta cuando están muy húmedos. Consisten en un
estrato que impide el movimiento del agua hacia abajo; tienen una textura
moderadamente fina a fina. Estos suelos pueden ser pobremente drenados a
moderadamente drenados, a poca profundidad (50-100cm) tienen
permeabilidad lenta a muy lenta. Tienen un bajo índice de transmisión de agua.
GRUPO D. ALTO POTENCIAL DE ESCORRENTÍA: Son suelos con infiltración

muy lenta cuando están muy húmedos. Consisten de suelos arcillosos con alto
potencial de expansión; permanente nivel freático alto; suelos con estrato
arcilloso superficial; suelos poco profundos. Tienen una tasa de transmisión
muy lenta.
(Hidrología en la Ingeniería, Germán Monsalve Sáenz, 1999).
A continuación en la Tabla 2.9 se muestra las principales propiedades de los

suelos que conforman las cuatro micro-cuencas.

MICRO CUENCAS
ORTIGAS RÍO GRANDE PAJONAL PINOS
Cambisol
Cambisol
Leptosol
Leptosol
Andosol
Andosol
Andosol
Andosol
DESCRIPCION
Grupo Hidrologico B C C B C C A A
Ks mm/h 231.47 28.7 26.2 231.47 28.7 26.2 44 19.55
AWC 0.25 0.15 0.26 0.25 0.15 0.26 0.3 0.2
Arena % 50 42 29 43 42 29 37 40
Limo % 35 43 42.3 43 43 42.3 36 35
Arcilla % 15 15 28.7 14 15 28.7 27 25
Roca % 0 0 2 0 0 2 0 0
Bulk Density gr/cm3 0.58 1.6 1.15 1.1 1.6 1.15 0.52 0.69
% Carbono = 0,58MO (%) 9.1 5.8 3.7 6.7 5.8 3.7 7.2 7.3
Tabla 2.9. Propiedades de los Suelos de las micro-cuencas en estudio
Fuente: Laboratorio de Hidrofísica de Suelos PROMAS.
2.4.3 Uso del suelo/Cobertura vegetal
En las micro-cuencas de Río Grande y Ortigas se han encontrado cobertura de

bosque, chaparro y pasto. En la Figura 2.13 se muestra el mapa de uso del
suelos en estas dos micro-cuencas.
Figura 2.13. Mapa de usos de suelos de las micro-cuencas de Ortigas y Río Grande
En las micro-cuencas de Marianza se han encontrado cobertura de Bosque de

Pinos y Pajonal, como se muetra en la Figura 2.14.

Figura 2.14. Mapa de usos de suelos de las micro-cuencas de Marianza Pajonal y Pinos
La escala con la que se han realizado los levantamientos de la cobertura

vegetal para las micro-cuencas de Ortigas y Río Grande es de 1:10000 y para
las micro-cuencas de Marianza se cuenta con una escala de 1:25000.
En la Tabla 2.10 se muestra la distribución de la cobertura de suelos en las

micro-cuencas de estudio.
Micro-cuenca
Río Grande Ortigas Pajonal Pinos
Pastos 33.3 22 ---- ----
Bosque Montano 28.3 73.6 ---- ----
Chaparro (%) 38.4 4.4 ---- 13.42
Pajonal ---- ---- 100 ----
Pino ---- ---- ---- 86.48
Tabla 2.10. Distribucion de cobertura de suelos de las microcuencas
2.4.4 Datos hidrometeorológicos
Debido a ciertos inconvenientes en los equipos de medición, las series de

datos con las que se cuenta no se encuentran completas, por lo tanto algunas
series fueron rellenadas.
Los datos hidrometeorológicos que se obtienen de cada vienen en diversa

escala temporal sin embargo para uso del modelo hidrológico el time step o
tiempo de simulación es de escala diaria, cuyos parámetros son: precipitación
(mm), punto de rocío (°C), radiación solar (W/m2), velocidad de viento (m/s),

temperatura máxima, media y mínima (°C); y humedad relativa máxima, media

y mínima (%).
Los datos registrados en la estación meteorológica de Chontamarca, son

referentes de las micro-cuencas de Ortigas y Río Grande. El registro
disponible consta desde el 07/Oct/2005 hasta el 25/Feb/2010, no todos los
datos están completos, para temperatura, punto de rocío, humedad relativa,
temperatura máxima y minina; y para humedad relativa máxima y mínima, se
ha tomado de sus registros un año completo y se ha procedido a rellenar los
datos faltantes. Para los datos de radiación solar y velocidad del viento, no se
encontró un año completo por lo que se tomaron los datos correspondientes de
la estación de Namza, la cual se encuentra en las coordenadas (725665 UTMx,
9746066 UTMy), con una cota de 1820 m.s.n.m. cuyo régimen climático y
condiciones son muy similares a los registradas en la estación de
Chontamarca.
En la estación de Chontamarca el registro de la presión se ha tomado en base

a la Ecuación 2.4, la misma que es una simplificación de la ley de los gases
ideales, a una temperatura atmosférica estándar de 20°C.
(2.4)
Donde A es la altura, que para ésta estación es igual a 2254 m.s.n.m., el valor
resultante de esta ecuación es una constante igual a 773.36 Kpa o 773.6 mbar.
Para las micro-cuencas de Marianza Pajonal y Marianza Pinos, se utilizan los

datos registrados por la estación meteorológica de Marianza; el registro en esta
estación consta desde el 29/May/2004 hasta el 24/Feb/2010, los datos faltantes
se rellenaron con los del año completo del 19/Jun/2006 al 18/Jun/2007.
Todos los datos obtenidos para la realización de la investigación, han sido

proporcionados por el PROMAS - Universidad de Cuenca.
2.4.4.1 Precipitación
Para la calibración y validación de las cuatro micro-cuencas, se realiza un

análisis de las precipitaciones registradas en los pliviógrafos. Como la serie de
datos se encuentran incompletas tanto para los pluviógrafos como para las
estaciones meteorológicas, para rellenarlos se obtuvo el coeficiente de
correlación entre los pliviógrafos y la estación, tanto para las micro-cuencas de
Ortigas y Rio Grande como para las micro-cuencas de Marianza.

El coeficiente de correlación describe la intensidad de la relación entre dos

conjuntos de variables de nivel de intervalo. Es la medida de la intensidad de la
relación lineal entre dos variables. El valor del coeficiente de correlación puede
tomar valores desde menos uno hasta uno, indicando que mientras más
cercano a uno sea el valor del coeficiente de correlación, en cualquier
dirección, más fuerte será la asociación lineal entre las dos variables. Mientras
más cercano a cero sea el coeficiente de correlación indicará que más débil es
la asociación entre ambas variables. Si es igual a cero se concluirá que no
existe relación lineal alguna entre ambas variables.
En sentido estricto, correlación entre dos variables tan solo significa que ambas
variables comparten información, que comparten variabilidad, por esta razón es
factible utilizarlo para el relleno de información, ya que los datos de
precipitación de los diferentes pluviógrafos guardan entre ellos cierta relación.
La Tabla 2.11, muestra los valores de correlación entre los pluviógrafos para
las micro-cuencas de Ortigas y Río Grande, para realizar la correlación se
eliminaron los días sin datos.
Coeficientes de Correlacion
Pluviógrafos Ortigas Potrerillos Suscalpamba Chontamarca
Ortigas 1 0.890 0.857 0.930
Potrerillos 1 0.758 0.812
Suscalpamba 1 0.894
Chontamarca 1
Tabla 2.11. Correlación entre los pluviógrafos en Ortigas y Río Grande
Para rellenar los datos de las micro-cuencas de Marianza, primero se

obtuvieron los coeficientes de correlación solamente entre los pluviógrafos para
el relleno de Pajonal 2, estos valores se muestran de la Tabla 2.12.
Coeficiente de Correlacion
Pluviógrafos Pajonal 1 Pajonal 2 Pinos
Pajonal 1 1 0.953 0.946
Pajonal 2 1 0.963
Pinos 1
Tabla 2.12. Correlación entre pluviógrafos de Marianza
Con los datos de Pajonal 2 ya rellenados, se obtuvieron los valores de los

coeficientes de correlación para poder rellenar los demás pluviógrafos y la
estación meteorológica para estas micro-cuencas. Los nuevos valores de
correlación se muestran en la Tabla 2.13.

Coeficiente de Correlacion
Pluviógrafos Pajonal 1 Pajonal 2 Pinos Marianza
Pajonal 1 1 0.916 0.909 0.731
Pajonal 2 1 0.755 0.764
Pinos 1 0.755
Marianza 1
Tabla 2.13. Correlación entre pluviógrafos de Marianza
Con los datos rellenados se procedió a realizar las siguientes gráficas que
muestran la distribución de las precipitaciones calculada para una resolución
mensual.
Ortigas Potrerillos Suscalpamba Est. Chontamarca

25
20
Precipitación (mm)
15
10
0
oct/05 abr/06 oct/06 abr/07 oct/07 abr/08 oct/08 abr/09 oct/09
Fecha
Figura 2.15. Precipitación mensual para las micro cuencas de Ortigas y Río Grande
La Figura 2.15, representa el promedio mensual de las precipitaciones de los

pluviógrafos y de la estación meteorológica de Chontamarca, es notoria la
presencia de inviernos marcados desde el mes de Diciembre hasta el mes de
Mayo, por lo que en los meses restantes se observa la presencia de fuertes
veranos, reflejando un claro comportamiento del régimen de la costa
ecuatoriana.

Pajonal 1 Pajonal 2 Pinos Marianza

8
7
Precipitaci'on (mm)
6
5
4
3
2
1
0
may-04 nov-04 may-05 nov-05 may-06 nov-06 may-07 nov-07 may-08 nov-08 may-09 nov-09
Fecha
Figura 2.16. Precipitación mensual para las micro cuencas de Marianza
En la Figura 2.16 se observa el promedio mensual de las precipitaciones de los

pluviógrafos instalados para las micro-cuencas de Marianza, estos registran
lluvias constantes durante todo el año, con valores mayores en los meses de
Marzo a Mayo, por lo que es evidente el comportamiento del régimen del
oriente ecuatoriano. Las precipitaciones en estas micro cuencas son mucho
menores a las precipitaciones registradas en Ortigas y Río Grande.
Para cada uno de los pluviógrafos se ha determinado el volumen acumulado de

precipitación durante todo el periodo disponible de datos, los mismos que se
muestran en las siguientes figuras.
Ortigas Potrerillos Suscalpamba Est. Chontamarca
8000
Precipitacion Acumulada (mm)
7000
6000
5000
4000
3000
2000
1000
0
dic-08
feb-05
abr-07
nov-07
ene-10
sep-05
oct-06
jul-09
jun-08
mar-06
ago-10
Fecha
Figura 2.17. Precipitación acumulada en Ortigas y Río Grande.

De la Figura 2.17 se puede observar que tanto los pluviógrafos como la

estación meteorológica presentan un comportamiento similar, siendo el de
Ortigas el que presenta la mayor cantidad de precipitación registrada en estos
4 años, Potrerillos y la estación de Chontamarca también presentan una
precipitación alta, Suscalpamba es el que presenta la mayor diferencia de
valores con respecto a los otros pluviógrafos.
Pajonal 1 Pajonal 2 Pinos Est. Marianza
7000
6000
Precipitacion Acumulada (mm)
5000
4000
3000
2000
1000
0
ene-04 may-05 oct-06 feb-08 jul-09 nov-10
Fecha
Figura 2.18. Precipitación acumulada en Marianza.
De la Figura 2.18 se observa que la estación de Marianza es la que presenta la

menor cantidad de precipitación en comparación con los demás pluviógrafos
que presentan una similitud alta.
Los graficos con precipitaciones diarias de todos estos pluviógrafos se pueden

encontrar en el Anexo 8.1.
2.4.4.2 Datos Meteorologicos
Tanto en la estación de Chontamarca como en la de Marianza, se cuenta con

datos de punto de rocío, radiación solar, velocidad del viento, temperatura
(máxima y mínima), y humedad relativa. En la Figura 2.19 se muestra las
graficas de estos datos registrados por ambas estaciones.
Se muestran los datos meteorológicos con una resolución mensual; las

variables meteorológicas son muy distintas entre estas dos estaciones, lo que
indica que las micro cuencas de Marianza y Ortigas – Río Grande tendrán un
comportamiento muy diferente.

Los datos meteorológicos diarios de las dos estaciones Chontamarca y

Marianza que se utilizaron para la calibración de las cuatro micro cuencas se
encuentra en el Anexo A.2.
Chontamarca Marianza
9
17
15 8
Punto de rocío (ºC)

Punto de rocío (ºC)
13 7
11 6
9 5
7 4
5 3
3 2
may/2005 oct/2006 feb/2008 jul/2009 nov/2010 ene-04 may-05 oct-06 feb-08 jul-09 nov-10
Fecha Fecha
600 400
350
Radiacion solar (W/m2)
Radiacion solar (W/m2)

500
300
400
250
300
200
200
150
100 100
0 50
Fecha Fecha
10 2.00
9
Velocidad del viento (m/s)
1.80
8 1.60
7
1.40
6
1.20
5
4 1.00
3 0.80
2 0.60
1 0.40
0 0.20
Fecha Fecha
22 19
17
20
15
Temperatura (ºC)
Temperatura (ºC)
18 13
16 11
9
14 T. max T. min
T. max T. min
7
12 5
3
10
may/2005 oct/2006 feb/2008 jul/2009 nov/2010
Fecha
Fecha
110 95
100 90
Humedad relativa (%)
90
Humedad relativa (%)
85
80
80
70
75
60
50 70
40 65
Fecha Fecha
Figura 2.19. Datos meteorológicos registrados por la estación de Chontamarca y

Marianza

2.4.5 Caudales
Los datos de caudal han sido medidos en la salida de cada micro cuenca, los
registros requeridos por la modelación son diarios. En las siguientes figuras se
puede apreciar los caudales registrados en las salidas de las micro cuencas en
estudio.
120
100
80
Caudal (l/s)
60
40
20
sep-08
sep-09
oct-05
oct-06
oct-07
may-09
may-10
feb-05
feb-06
feb-07
feb-08
ene-09
ene-10
jun-05
jun-06
jun-07
jun-08
Fecha
Figura 2.20. Caudal Ortigas
En la Figura 2.20 se puede apreciar que en la micro-cuenca de Ortigas existe

una regulacion del flujo en la epoca del verano, esto esta relacionado de
manera directa con la cobertura vegetal que en el caso de Ortigas predomina el
bosque primario natural.
4000
3500
3000
2500
Caudal l/s
2000
1500
1000
500
0
sep-08
sep-09
oct-05
oct-06
oct-07
may-09
may-10
feb-05
feb-06
feb-07
feb-08
ene-09
ene-10
jun-05
jun-06
jun-07
jun-08
Fecha
Figura 2.21. Caudal Río Grande

De la Figura 2.21, se observa que Río Grande no presenta una regulación del
caudal y tiene valores muy bajos. La pérdida de datos se debe al daño en el
equipo de medición debido a los fuertes inviernos y a caudales altos
presentados.
110
100
90
80
70
Caudal (l/s)
60
50
40
30
20
10
sep-08
sep-09
sep-10
oct-03
oct-04
oct-05
oct-06
oct-07
may-09
may-10
feb-04
feb-05
feb-06
feb-07
feb-08
ene-09
ene-10
jun-04
jun-05
jun-06
jun-07
jun-08
Fecha
Figura 2.22. Caudal Marianza Pajonal
50
45
40
35
30
Caudal (l/s)
25
20
15
10
0
jul-05
jul-06
jul-07
jul-08
jul-09
jul-10
dic-03
ago-04
mar-05
mar-06
mar-07
mar-08
mar-09
mar-10
abr-04
nov-04
nov-05
nov-06
nov-07
nov-08
nov-09
Fecha
Figura 2.23. Caudal Marianza Pinos
En la Figura 2.22 y Figura 2.23 se puede apreciar que el comportamiento de los

caudales son similares, auque los valores son mucho menor en la micro
cuenca de Pinos, debido a la evapotranspiración generada por la cobertura
vegetal de bosque de pinos.
La evapotranspiración es la perdida de humedad de una superficie por

evaporacion directa junto con la perdida de agua por transpiración de la
vegetación.
En la Tabla 2.14 se muestra el caudal especifico, el cual fue obtenido con el

promedio del caudal y el área de cada micro-cuenca.
Micro-cuenca Qe
Ortigas 26.23
Río Grande 30.57
Marianza Pinos 9.32
Marianza Pajonal 14.96
2
Tabla 2.14. Caudal específico en lt/s/km de las micro-cuencas

3. MODELOS HIDROLOGICOS
Un modelo Hidrológico puede ser definido como una representación matemática

del flujo del agua y sus componentes sobre alguna parte de la superficie o
subsuperficie de la tierra. Hay una estrecha relación entre la modelación
hidrológica, la biológica y la ecológica, pues el transporte de materiales por el
agua está influenciado por actividades biológicas que pueden aumentar o
disminuir las cantidades de éstos materiales en el agua, y a su vez el régimen de
flujo puede afectar los diversos hábitats. Además la hidrología está
estrechamente vinculada a las condiciones climáticas y, por tanto, los modelos
hidrológicos y atmosféricos deberían estar relacionados, pero en la práctica una
estrecha relación entre éstos modelos se hace muy difícil, puesto que los modelos
atmosféricos trabajan con resoluciones espaciales mucho mayores que las
utilizadas en la modelación hidrológica.
La cuenca hidrográfica es el objeto de estudio de la mayoría de los modelos

hidrológicos, reuniendo las superficies que captan y descargan agua sobre uno o
más canales de escurrimiento que desembocan en una única salida. La cuenca
puede constituir una unidad espacial par los modelos agregados que consideran
las propiedades medias para toda la cuenca, o bien, se puede subdividir en
función a diferentes enfoques a fin de considerar sus características
espacialmente distribuidas.
3.1 Una Visión General sobre los Modelos
Un modelo puede ser considerado como una representación simplificada de la

realidad, facilitando la comprensión de los procesos que envuelven esta realidad.
Puede haber un entendimiento cualitativo de un proceso en particular, pero la
comprensión cuantitativa puede ser limitada. La posibilidad de expresar los
procesos físicos como un conjunto de ecuaciones matemáticas detalladas puede
no existir, o las ecuaciones pueden ser muy complejas, exigiendo simplificaciones
para su uso.
Por otra parte limitaciones computacionales o la manera en la cual las ecuaciones

matemáticas son convertidas en procesos numéricos discretos, llevan a
parametrizaciones de los procesos complejos en escalas muy detalladas que
pueden no ser explícitamente representadas en el modelo. En algunos casos,
estos conjuntos de ecuaciones pueden ser vistos como una colección de hipótesis

que conectan entradas y salidas del sistema. Este conjunto de ecuaciones

parametrizadas representa la mejor aproximación del modelador para explicar
estos procesos, considerando todas las restricciones. Un mismo proceso puede
ser representado de diferentes maneras, siendo algunas más apropiadas para
determinados casos. Por lo tanto no existe un modelo único que sea el mejor, pero
puede existir aquel que describa mejor un fenómeno.
De manera general, un modelo es un sistema de ecuaciones y procedimientos

compuestos por variables y parámetros. Los parámetros mantienen su valor
inalterado durante todo el proceso estudiado. Por lo tanto un parámetro tiene el
mismo valor para todos los intervalos de tiempo, lo que no significa que no puede
variar en él espacialmente. Por otro lado las variables pueden cambiar a lo largo
del tiempo durante el modelo se esté ejecutando.
En un modelo se pueden distinguir tres tipos de variables. La primera, que se

llama variable de estado, es el enfoque de estudio del modelo. Hay siempre una
ecuación diferencial relacionada con esta variable. El estado de un sistema puede
ser descrito comprobando el valor de cada variable de estado. El segundo tipo de
variable en un modelos es la variable proceso o proceso simplemente, también
llamada de flujo. Los flujos son las entradas y salidas de las variables de estado.
Típicamente los flujos son calculados como una función de las variables de estado
y de las variables impulsadoras o forzantes. También los parámetros se pueden
utilizar en el cálculo de los flujos. Por ejemplo, la tasa de infiltración del suelo
puede considerarse un proceso variable que cambia el contenido de agua en el
suelo. El tercero y último tipo de variable “forzante” que usada por el modelo más
no es calculada por él, de esta forma, la variación de esta variable debe ser
indicada en el modelo. Esta variable puede representar un flujo (flujo forzante) o
acciones externas al modelo (acciones forzantes) que alimentan el modelo
funcionando como propulsor. La lluvia y el acuífero no confinado, respectivamente,
son ejemplos típicos de flujo y acción forzante en modelos de balance de agua en
el suelo. La variable forzante puede actuar también como un
modulador/controlador del flujo en el modelo, como sucede, por ejemplo, con el
viento que puede influenciar la tasa de evaporación del suelo.
3.2 Clasificación de los modelos.
Los modelos pueden ser clasificados en función de diferentes aspectos.

Comúnmente, los modelos son clasificados, de entre otras formas, según el tipo
de variables utilizadas en el modelo (estocásticas o determinísticas), o el tipo de
relaciones entre estas variables (empíricas o basadas en procesos), la forma de
representación de datos (discretos o continuos), la existencia de relaciones

espaciales (puntuales o distribuidos), y la existencia de dependencia temporal

(estáticos o dinámicos).
Se dice que un modelo es estocástico cuando al menos una de las variables

involucradas tiene comportamiento aleatorio. Un modelo es determinista si los
conceptos de probabilidad no se consideran durante la elaboración del modelo. Se
debe tener en cuenta que una variable de entrada puede ser aleatoria, pero el
modelo todavía es determinista si para cada valor de entrada hay un único valor
de salida. Sistemas mutlivariables no lineales pueden llevar a resultados caóticos
que erróneamente son interpretados como variables aleatorias.
Los modelos pueden ser clasificados como esporádicos (concentrado o

agregados) o distribuido. En determinados modelos, se supone que todas las
variables de entrada y la producción es representativa de la zona de estudio.
Por otra parte, los modelos distribuidos consideran la variabilidad espacial que se
encuentran en varias variables del modelo. En general, cualquier discretización del
espacio se hace y por lo tanto cada elemento discreto puede ser tratado como un
punto que representa homogéneamente toda la zona. Modelos distribuidos más
realistas consideran también la existencia de la relación espacial entre elementos
vecinos (relación topológica).
Por último, los modelos pueden ser estáticos, cuando, con un conjunto de datos
de entrada se produce un resultado derivado de la solución de las ecuaciones del
modelo en un solo paso. Los modelos dinámicos utilizan el resultado de una
iteración como entrada para una próxima iteración.
La elección de un determinado tipo de modelo debe basarse en la aplicación que

se desea y la disponibilidad de datos básicos. El uso de modelos hidrológicos
distribuidos físicamente con el argumento de que este tipo de modelo es el mejor
representa los procesos físicos dentro de la cuenca y es inherentemente superior
a un modelo agregado (Beven, 1991). Por otro lado, los modelos hidrológicos
distribuidos físicos requieren necesariamente de una cantidad bastante extensa y
detallada de información sobre la cuenca a fin de lograr una buena
parametrización del modelo. Beven (1991) sugiere que este tipo de modelo es
más adecuado para explorar las interacciones entre los procesos y simular los
efectos de futuros cambios de uso del suelo. El mismo autor en otra publicación
(Beven, 1989), habla de las limitaciones de los modelos físicos cuando se utilizan
en las predicciones hidrológicas. Básicamente, muchos modelos llamados "físicos"
no explican las simplificaciones utilizadas en la solución de las ecuaciones del
modelo, y ni hablar de los problemas de dimensionalidad de la calibración de los

parámetros. El autor también llama la atención sobre el hecho de que las

ecuaciones físicas básicas del modelo generalmente son definidas para
condiciones homogéneas y bien controlados, y su generalización no cumple las
heterogeneidad natural de los elementos que intervienen en el modelado.
3.3 Análisis de la modelización hidrológica semidistribuida
Se hará un análisis de ciertos modelos semidistribuidos como el SWAT,

TOPMODEL y el modelo no espacial WEAP, que presenta características de un
modelo agregado, estos modelos fueron previamente seleccionados dado la
experiencia de investigadores del PROMAS Universidad de Cuenca y su
conocimiento en el manejo de este tipo de modelos. Luego de analizar cada uno,
se elegirá el más adecuado para modelar las cuatro micro-cuencas en estudio.
3.3.1 SWAT
Herramienta de Evaluación para el Suelo y Agua (Soil and Water Assessment

Tool, SWAT, por sus siglas en ingles), es un modelo determinístico semi-
distribuido físicamente-variado, desarrollado por el Dr. Jeff Arnold en el
Departamento de Agricultura de los Estados Unidos con la Universidad de Texas,
fue desarrollado para predecir el impacto en el manejo del suelo y la vegetación en
la producción de agua, sedimentos y químicos agrícolas en grandes y complejas
cuencas con variación en suelos, uso de suelo y condiciones de manejo en largos
periodos de tiempo. El modelo tiene como principal objetivo el predecir el efecto en
la toma de decisiones en el manejo de la producción de agua, sedimentos,
nutrientes y pesticidas con razonable precisión en cuencas que no cuentan con
estaciones de aforo (Arnold et al., 1987).
El modelo está conformado por un conjunto de submodelos, los cuales se

emplean para simular distintos procesos hidrológicos. El modelo hidrológico está
basado en la ecuación general de balance hídrico:
(3.1)
Donde SW t es el contenido final de agua en el suelo (mmH 2O), SW o es el

contenido de agua inicial en el día i (mmH2O), t es el tiempo (día), Rday es la
cantidad de precipitación en el día i (mmH2O), wseep es la cantidad de agua

acumulada en la zona no saturada del perfil del suelo en el día i (mmH2O) y Qgw es
la cantidad de flujo de retorno en el día i (mmH2O) (Arnold., et al 1991).
Los principales componentes del modelo pueden ser ubicados en ocho principales
divisiones: hidrología, clima, sedimentación, temperatura del suelo, crecimiento de
cultivos, nutrientes, pesticidas y manejo de cultivos. Entre éstos, uno de los más
importantes es el que calcula los escurrimientos, ya que sirve de base para los
otros submodelos.
El modelo calcula el escurrimiento, simula el escurrimiento máximo, la tasa pico de

escurrimientos, la producción de sedimentos en las cuencas a nivel de unidad de
respuesta hidrológica (URH), Un URH son áreas hidrológicamente homogéneas
con similares características hidrológicas y morfológicas, es el resultado de cruzar
la cobertura vegetal y el tipo de suelo.
Aunque se han desarrollado métodos de campo para medir parámetros del suelo
(como la conductividad hidráulica), virtualmente todos los modelos requieren una
calibración para ajustar al menos algunos de sus parámetros (Sorooshian et al.,
1998). La calibración de un modelo de la naturaleza del SWAT consiste en lograr
un ajuste satisfactorio entre los escurrimientos observados y los calculados,
mediante el cambio en los valores de los parámetros de mayor influencia. Por su
parte, la validación del modelo consiste en medir su capacidad predictiva mediante
la comparación de los escurrimientos calculados y los observados con los
parámetros determinados en la fase de calibración pero en un período diferente
del utilizado en la calibración. Generalmente el ajuste entre escurrimientos
observados y calculados obtenido durante la validación es menos satisfactorio que
el obtenido en la calibración, pero es más representativo de la exactitud de las
predicciones que se hagan con el modelo (Palacios, 1986).
3.3.2 TOPMODEL
El desarrollo de TOPMODEL se inició por el Profesor Mike Kirkby en la Escuela de

Geografía, Universidad de Leeds con la financiación del Reino Unido Natural
Environment Research Council en 1974. Las primeras versiones fueron
programadas por Keith Beven en Fortran IV.
Desde 1974 ha habido muchas variantes de TOPMODEL desarrollado en Leeds,

Lancaster y en otros lugares.

La versión, TOPMODEL (Beven, 1995), es más adecuada para cuencas con

suelos poco profundos y topografía moderada, que no sufren de periodos secos
excesivamente largos.
TOPMODEL (Beven, 1995) es una herramienta de modelización semi-distribuida y

basada en procesos físicos que se fundamenta en el concepto del índice
topográfico ln(a/tan b), donde a es el área de drenaje hacia este punto de la
cuenca y b la pendiente del terreno. Es una indicación de la susceptibilidad de
ciertos puntos de la cuenca a saturarse completamente y por ello puede ser visto
como un índice de similaridad hidrológica.
TOPMODEL considera que la escorrentía puede ser estimada con base en un

modelo que enlaza la componente de escorrentía subsuperficial y el de
escorrentía superficial. La primera predice flujo espacialmente uniforme a tasas
determinadas por la topografía y los suelos en la parte alta de la ladera. La
segunda predice la escorrentía en condiciones de saturación. Estos modelos de
producción de flujo en ladera se pueden combinar con un algoritmo de traslación
de caudales en la red de canales para dar la respuesta hidrológica de la cuenca.
TOPMODEL usa el mapa de índices topográficos de la cuenca, una descripción

de la red de drenaje y cinco parámetros que pueden ser optimizados utilizando
simulaciones Monte Carlo.
PARAMETRO DESCRIPCION
m: Parámetro del modelo
Chvel: Velocidad del tránsito en el canal
TO: Transmisitividad lateral
Srmax: Déficit de almacenamiento máximo
Srinit: Déficit de almacenamiento inicial
Tabla 3.1. Parámetros del TOPMODEL
Las simulaciones Monte Carlo (Beven, 2002) generan una gran cantidad de
conjuntos de parámetros escogidos aleatoriamente dentro de un rango de
parámetros determinados con anterioridad a partir de límites impuestos. Entonces
el modelo se corre con cada juego de parámetros y su eficiencia es calculada.
Este método exige mucho tiempo de formulación ya que son necesarias miles de
simulaciones, pero tiene la ventaja de que puede revelar múltiples juegos de
parámetros óptimos que no pueden ser detectados usando la clásica optimización
de parámetros.

3.3.3 WEAP
Evaluación del Agua y Planificación, ("Water Evaluation And Planning", WEAP, por
sus siglas en ingles), es una herramienta de modelación para la planificación y
distribución de agua que puede ser aplicada a diferentes escalas, desde pequeñas
zonas de captación hasta extensas cuencas.
WEAP funciona usando el principio básico de balance de masa pudiendo ser

utilizado para sistemas municipales y agrícolas, a una sola cuenca o complejos
sistemas de cuencas transfronterizos. Por otra parte, WEAP puede simular una
amplia gama de los componentes naturales e intervenidos de estos sistemas,
incluyendo escorrentía por precipitación, flujos base, y recarga de aguas
subterráneas por precipitación; análisis de las demandas sectoriales; conservación
del agua; derechos de agua y prioridades de asignación, operaciones de los
embalses; generación de hidroelectricidad; seguimiento de la contaminación y
calidad de las agua; evaluaciones de vulnerabilidad; y requisitos de los
ecosistemas. Un módulo de análisis financiero también permite que el usuario
investigue comparaciones de costo-beneficio para los proyectos.
Los usos de WEAP incluyen generalmente varios pasos:
Definición del Estudio: Se establece el marco temporal, los límites espaciales,

los componentes del sistema, y la configuración del problema.
Cuentas Actuales: Se desarrolla una caracterización de la demanda actual del

agua, las cargas de contaminantes, los recursos y las fuentes para el sistema.
Esto se puede ver como la etapa de calibración en el desarrollo de una aplicación.
Escenarios: Se pueden explorar los impactos que tendría, un sistema de

supuestos alternativos sobre las políticas futuras, costos, y del clima, por ejemplo,
en la demanda del agua, oferta de agua, hidrología, y contaminación.
Evaluación: Los escenarios se evalúan con respecto a la disponibilidad de agua,

los costos y los beneficios, compatibilidad con los objetivos ambientales, y la
sensibilidad a la incertidumbre en las variables dominantes.
WEAP calcula la demanda, oferta, escorrentía, infiltración, requisitos para las

cosechas, flujos y almacenamiento del agua, generación, tratamiento y descarga
de contaminantes más de calidad de agua en ríos para variados escenarios
hidrológicos y de políticas.

3.4 Selección del modelo semidistribuido
Luego de analizar cada uno de los modelos hidrológicos (SWAT, TOPMODEL y

WEAP) y de revisar los resultados de investigaciones realizadas en microcuencas
de los Andes bajo similares características, se definió que el modelo
semidistribuido TOP MODEL presenta condiciones apropiadas para la
modelización, el modelo permitirá la obtención de resultados favorables; SWAT
por su parte ya ha sido implementado en microcuencas de la región Austral del
Ecuador con resultados interesantes, y WEAP aunque trabaje bien en cuencas
pequeñas está más enfocado para cuencas grandes, la escala temporal de la
información puede ser incluso mensual, los resultados de este modelo tendrán un
considerable grado de incertidumbre.
En virtud de lo antes expuesto y gracias al tipo de información de calidad

disponible de estas microcuencas se ha seleccionado como la mejor opción a
TOPMODEL, ya que se basa en el concepto de índice topográfico que es muy
eficaz para cuencas pequeñas como es el caso del presente estudio y permite
mediante las simulaciones Monte Carlo, la debida calibración de los parámetros
que intervienen en este modelo.

4. TOPMODEL
4.1 Objetivos de la Modelación
TOPMODEL no es un paquete de modelado hidrológico, es más bien un conjunto

de herramientas conceptuales que se pueden utilizar para reproducir el
comportamiento hidrológico de las cuencas de una forma distribuida o semi-
distribuida, en particular la dinámica de las áreas contribuyentes superficiales y
subsuperficiales.
El modelo se basa en una simple y aproximada teoría hidrológica, debido a la falta

de medidas del estado de las variables internas y características de la cuenca, la
representación de las respuestas hidrológicas internas de la cuenca debe ser
necesariamente funcional en tanto que se introduzcan el número mínimo de
parámetros a ser calibrados.
Los conceptos siempre se han mantenido lo suficientemente simples para que las
estructuras del modelo utilizadas puedan ser modificadas con el objetivo de que
las predicciones sean lo más cercanas a las percepciones del modelador sobre el
comportamiento de la cuenca. La naturaleza distribuida de las predicciones puede
ser de gran ayuda en este sentido.
Por lo tanto TOPMODEL puede ser considerado como el producto de dos

objetivos. Uno de ellos es el desarrollo de una pragmática y práctica predicción y
un modelo de simulación continua. El otro es el desarrollo de un marco teórico
dentro del cual se perciben los procesos hidrológicos; aspectos de escala y
realismo y los procedimientos del modelo pueden ser objeto de investigación.
Los parámetros están destinados a ser interpretados físicamente y su número se

mantiene en el mínimo para garantizar que no se conviertan en simples artefactos
estadísticos de un ejercicio de calibración.
El modelo en la práctica representa un intento por combinar la eficiencia

computacional y de los parámetros de un modelo conceptual con un enlace entre
la teoría física y la posibilidad de una evaluación más rigurosa (como la que ofrece
un modelo distribuido).

4.2 Un Modelo Perceptual de Producción de Escorrentía
El proceso de modelación consiste en una secuencia de pasos de simplificación.

Beven (1991) ha sugerido que el hidrólogo puede tener un modelo cualitativo
mucho más complejo de la hidrología de cuencas, de lo que pueda ya sea ser
escrito en forma matemática o programado en una computadora. Cada hidrólogo
puede tener un “modelo perceptual” individual de este tipo y Beven (1994, 1989b,
1991) ha esbozado un modelo complejo y su representación en una función de
distribución. Los datos relevantes de este modelo están brevemente descritos, ya
que son la base de los conceptos del TOPMODEL.
Los procesos hidrológicos dentro de una cuenca son dinámica y

heterogéneamente distribuidos. La interacción entre vegetación y la dinámica de
la lluvia puede producir datos no uniformes en los límites superiores del suelo. La
heterogeneidad del suelo y del lecho rocoso puede a la larga complicar el tipo de
flujo, causando fenómenos de tubificación y ojos de agua. En el límite inferior del
suelo, las irregularidades en el lecho rocoso pueden afectar el patrón de las
descargas sub-superficiales a la corriente.
La tendencia general del agua a fluir hacia abajo es, sin embargo, susceptible de
una conceptualización a macro escala. Para el caso del flujo de la zona de
saturación, en suelos poco profundos relativos a la escala de ladera, este control
gravitacional debe resultar en un nivel freático casi paralelo a la topografía de la
superficie sobre gran parte de la longitud de la ladera, por lo menos cuando las
condiciones son suficientemente húmedas para que exista un flujo saturado.
Debe esperarse entonces que el agua fluya hacia abajo desde la pendiente fuerte
hacia pendientes poco pronunciadas y hacia áreas de convergencia de
pendientes.
Es claro, sin embargo, que los procesos de flujo superficial y sub-superficial son
muy complejos. El flujo superficial generado, ya sea por mecanismos de exceso
de infiltración o de saturación, puede darse a través de una capa vegetal, capa
orgánica, arroyos o canales efímeros. El flujo puede también re-infiltrarse
localmente. El flujo de exceso de saturación, el cual puede tener una contribución
del flujo de retorno, puede ser causado ya sea por el nivel freático que sube a la
superficie o por un lleno total de las capas superficiales del suelo, dando lugar a
una forma de capa freática impermeable. El área en donde el nivel freático alcanza
la superficie puede variar en el tiempo, causando que la fuente del flujo de exceso
de saturación sea dinámica. Similarmente, el área que contribuye la crecida de las
corrientes sub-superficiales puede variar en el tiempo. El flujo de la zona no
saturada puede ser altamente irregular, con una geometría compleja. Es

imposible incorporar toda la heterogeneidad de flujos no saturados percibida en un

set de conceptos relativamente simples a macro escala. Las propiedades
hidrológicas del suelo son también con frecuencia altamente variables
verticalmente, a menudo con alta conductividad cerca a la superficie.
4.3 Un Modelo Conceptual de Producción de Escorrentía
Cada modelo es un intento de capturar la esencia de esta compleja naturaleza de

una manera manejable, pero es importante reconocer que esta conceptualización
también encierra un grado considerable de simplificación.
Al hacer esta conceptualización TOPMODEL se basa en dos hipótesis básicas:
A.1. Que la dinámica de la zona saturada se puede aproximar por sucesivas

representaciones de estados estacionarios.
A.2. Que la gradiente hidráulica de la zona saturada se puede aproximar por

la pendiente local de la superficie topográfica, denominada tanβ en el
modelo.
Estos supuestos conducen a relaciones simples entre el almacenamiento de la

cuenca (o déficit de almacenamiento) y los niveles locales del nivel freático (o
déficit de almacenamiento debido al drenaje) en los que el principal factor es el
índice topográfico (a/tanβ) propuesto por primera vez por Kirkby (1975) y
desarrollado como un modelo hidrológico completo por Beven y Kirkby (1976,
1979). El índice de Kirkby representa la propensión de cualquier punto de la
cuenca, a desarrollar condiciones saturadas. Valores altos del índice topográfico
serán causados debido ya sea a grandes pendientes o a la convergencia del
contorno de contra pendiente, y a las pendientes bajas. Los supuestos son
similares a los utilizados en la elaboración del índice de humedad desarrollado
independientemente por O'Loughlin (1981, 1986). TOPMODEL, en su forma
original, sin embargo se aprovecha de la simplificación matemática permitida por
una tercera hipótesis.
A.3. Que la distribución de la transmisividad pendiente abajo es una función

exponencial del déficit de almacenamiento o de la profundidad del nivel
freático:

Donde:
To Transmisividad lateral cuando el suelo está apenas saturado (m 2/h).
S Déficit local de almacenamiento (m).
m Parámetro del modelo (m).
Beven (1984) ha proporcionado datos que sugieren que una caída exponencial
(vertical) en la conductividad del suelo con la profundidad puede ser adecuada
para describir los cambios verticales en las propiedades hidráulicas de una gran
variedad de suelos y ha demostrado (Beven, 1986a) que la función exponencial
equivalente de la transmisividad puede ser derivada bajo la creencia de isotropía
(posiblemente dudosa).
En términos de profundidad el nivel freático esto puede ser escrito así.
Donde:
z profundidad local del nivel freático (m).
ƒ parámetro de escala (m-1).
Los parámetros f y m están aproximadamente relacionados por ƒ = Δθ1/m
Donde:
Δθ1 cambio efectivo del contenido de agua por unidad de profundidad en la
zona no saturada, debido al rápido drenaje gravitacional.
Una interpretación física del parámetro m, es que controla la profundidad efectiva

del perfil del suelo de la cuenca. Esto lo hace de forma interactiva con el
parámetro To, que define la transmisividad del perfil cuando se satura la
superficie. Un valor mayor de m aumenta efectivamente la profundidad activa del
perfil del suelo. Un valor pequeño, especialmente si se asocia con un
relativamente elevado To, genera una poca profundidad efectiva del suelo, pero
con una pronunciada caída de transmisividad. Esta combinación tiende a producir
una bien definida y relativamente superficial curva de recesión de respuesta en el
hidrograma del modelo. Estos principios se muestran en la Figura 4.1.

Figura 4.1. Relaciones Exponenciales entre la tranmisividad y la profundidad del nivel

2
freático y sus correspondientes curcas de recesión. Curva a: To = 8m /h, m = 0,02 m; curva
2
b: To=2m /h, m = 0,05 m.
Bajo la hipótesis A2 de una gradiente efectiva del nivel freático y flujo saturado
paralelo a la pendiente de la superficie local tanβ, entonces en cualquier punto i de
una ladera, la velocidad del flujo sub-superficial saturado qi por unidad de longitud
de contorno (m2/h) puede ser descrito por la siguiente ecuación.
(4.1)
Donde To y tanβ son valores locales de la transmisividad y pendiente

respectivamente en el punto i.

Luego, ante la hipótesis A1, en cualquier intervalo de tiempo, existe a través del
suelo un estado de flujo cuasi-estacionario, y asumiendo una cuarta hipótesis:
A.4. Que una tasa de recarga espacialmente homogénea r (m/h) entra en el

nivel freático, el flujo sub-superficial por unidad de longitud de contorno
qi también puede ser dada por:
(4.2)
Donde:
a es el área de la ladera por unidad de longitud de contorno (m 2) que drena a
través del punto i.
Al combinar las ecuaciones. (4.1) y (4.2) es posible derivar una fórmula para
cualquier punto relacionando la profundidad local del nivel freático con el índice
topográfico ln(a/tanβ) en ese punto, el parámetro f, la transmisividad local saturada
y la tasa de recarga efectiva, r.
(4.3)
Una expresión para la toda la cuenca, es decir, para la profundidad del nivel
freático ( ), puede obtenerse integrando a ecuación (4.3) para el área de la
cuenca (A), que contribuye al nivel freático.
A continuación se expresa este promedio areal en términos de sumatoria de todos

los puntos dentro de la cuenca.
(4.4)
Para integrar espacialmente toda la cuenca, se requiere implícitamente que la

ecuación (4.4) se mantenga incluso en los lugares donde el agua esté estancada
en la superficie (zi<0). Beven (1991), justifica esta hipótesis, basado en que, la
relación expresada por la ecuación (4.1) es exponencial y que, para muchas
cuencas, el flujo superficial podría ser relativamente lento debido a la cobertura
vegetal. Mediante el uso de la ecuación (4.3) en la ecuación (4.4), si asumimos
que r es espacialmente constante, ln(r) puede ser eliminado con lo que se tiene
una relación entre la profundidad media del nivel freático, la profundidad local del
nivel freático, las variables topográficas y la transmisividad saturada.
Obteniendo la siguiente ecuación:

(4.5)
Donde ln(a/Totanβ) es el índice de suelo-topográfico de Beven (1986a) y
(4.6)
Un valor medio areal independiente de la transmisividad puede ser definido, así:
(4.7)
La ecuación (4.5) puede ser reordenada para obtener:
(4.8a)
Donde
(4.9)
Es una constante topográfica de la cuenca.
La ecuación 8 puede también ser escrita en términos de déficit de

almacenamiento como:
(4.8b)
Estas ecuaciones (4.8a y 4.8b) expresan la desviación entre el promedio de la

profundidad del nivel freático (o déficit) y la profundidad local del nivel freático (o
déficit) en cualquier punto en términos de la desviación del índice topográfico local
de su medio areal, y la desviación del logaritmo de transmisividad local desde su
valor integral areal. La relación está medida por los parámetros f o m. Dado un
valor de o , las ecuaciones (4.8a,b) pueden ser usadas para predecir el patrón
de la profundidad del nivel freático de una cuenca, basado en el conocimiento de
la distribución espacial del índice del suelo-topográfico a/Totanβ o, si se asume
que la transmisividad del suelo saturado es una constante espacial, del índice
topográfico a/tanβ. Las ecuaciones (4.8a,b) implican que todos los puntos que
tienen el mismo valor del índice suelo-topográfico a/Totanβ se comportan
funcionalmente de idéntica manera. La variable a/T otanβ es en consecuencia un
índice de similaridad hidrológica.

La distribución espacial de a/tanβ (ver Figura 4.2) puede ser derivada desde un
análisis de un Modelo Digital de Elevación (DEM) de la cuenca (Quinn et.al.1991),
sin embargo aplicaciones iniciales del TOPMODEL tuvieron que confiarse sobre
mapas interpretados manualmente (Beven and Kirkby, 1979) o en funciones
analíticas de ladera. (Beven and Wood, 1983).
Figura 4.2. (A) Función de Distribución del Indice (a/tanβ) de la cuenca Maimai en Nueva
Zelanda. (B) Patrón de ln(a/tanβ) de la topografía de la cuenca Maimai.

Para calcular el área de contribución superficial (o sub-superficial), el índice

topográfico de la cuenca es expresado como una función de distribución (Figura
4.2.B) discretización de la función de distribución de a/tanβ trae ventajas
computables. Dado que los puntos que tienen el mismo valor de a/T otanβ se
asume que se comportan de manera similar hidrológicamente, entonces el cálculo
requerido para generar un patrón de distribución espacial del nivel freático local se
reduce a un cálculo para cada clase de a/Totanβ; no se requieren cálculos para
cada lugar individual en el espacio (Figura 4.3¡Error! No se encuentra el origen de la
referencia.). Este enfoque debería ser computacionalmente más eficiente que un
esquema de solución que deba hacer cálculos en cada uno de un gran número de
nodos de la grilla espacial, una ventaja significativa cuando se lleva a cabo una
calibración iterativa y procedimientos de parámetros de sensibilidad.
Figura 4.3. Representación esquemática de elementos de almacenamiento dentro de un

incremento discreto de ln(a/tanB) del área de una cuenca. Donde se muestra el
almacenamiento de la zona de raíces Srz, el almacenamiento de drenaje vertical Suz, y la
recarga de la zona saturada, q v, para un intervalo y el área, ai, que drena a través de un
punto particular i. El área sombreada representa el área de saturación de la superficie
correspondiente, en este caso, a valores ln(a/tanB) cayendo desde los valores más altos.
De particular interés es el caso en el que la ecuación (4.8a,b) predice que el nivel

freático local está por encima de la superficie (zi < 0), o por encima de una
determinada franja cercana a la saturación capilar (zi - ψo). Estas zonas son donde
se prevé que se produzca un flujo superficial saturado y sus distribuciones

espaciales constituyen áreas variables saturadas que generan la respuesta del

escurrimiento superficial del modelo. En el procedimiento del modelo, cualquier
lluvia que caiga sobre la zona saturada se toma como escurrimiento, junto con las
lluvias en exceso de las necesarias para llenar las zonas donde la profundidad del
nivel freático zi es pequeña. La ecuación (4.8a,b) también puede usarse para
predecir el patrón de crecida de las áreas contribuyentes sub-superficiales, o del
fluido a través de diferentes horizontes de suelo (Robson et al. 1992) si éstas
pueden ser definidas por algún valor límite de la profundidad del nivel freático.
4.3.1 La Organización del Almacenamiento en TOPMODEL

Hay varias maneras de organizar los almacenamientos incorporados en
TOPMODEL. Esencialmente se prevé una simple serie de almacenamientos,
dirigiendo el agua desde la superficie hacia la zona saturada. Es notorio que, en
cualquier cadena de almacenamientos, la forma de la salida será fuertemente
controlada por la acción del último almacenamiento dinámico (Kirkby 1975, Beven
y Kirkby 1979). Esto se aplica a la combinación de almacenamientos no lineares,
como aquellos que se percibe existen en cuencas hidrológicas. De esa manera es
importante representar detalladamente la no linealidad de la mayoría de los
almacenamientos de respuesta lenta, aunque más almacenamientos dinámicos
pueden ser aproximados por representaciones simples lineares. Kirkby (1975)
presentó un resumen esquemático de las diferentes características de los tiempos
respuesta de varios procesos en cuencas, de los cuales aparentemente la zona
saturada es típicamente la más lenta en responder. TOPMODEL sin embargo
adopta un almacenamiento no lineal de la zona saturada, pero generalmente
supone representaciones lineares más simples de otros almacenamientos más
dinámicos. Los almacenamientos, flujos internos y entradas/salidas son
generalmente expresados en términos de metros equivalentes al agua (por unidad
de tiempo).
Beven y Kirkby (1979) aplicaron TOPMODEL a la cuenca del Crimple Beck en el

norte de Inglaterra, usando tres almacenamientos: uno de intercepción o
depresión, uno de infiltración y uno de zona saturada. El de intercepción y
depresión fue requerido llenar antes de que la infiltración pudiera ocurrir. La
evaporación a la más alta potencia fue permitida en este almacenamiento hasta
que se vació. El de infiltración fue formulado para permitir una respuesta de flujo
superficial Hortoniano (Esto es, que el exceso superficial se origina cuando la
intensidad de la lluvia supera a la capacidad de infiltración del suelo) con una
capacidad promedio de infiltración de la cuenca calculada en función de una
capacidad máxima de infiltración y el máximo almacenamiento de la zona.

En otras aplicaciones del TOPMODEL, más explícitamente se adoptaron

aproximaciones de infiltración basadas físicamente. (Beven 1984, 1986a, b;
Sivapalan et. al. 1987, 1990; Wood et. al. 1988, 1990). Sin embargo, estas
aproximaciones introducen parámetros adicionales al modelo que son difíciles de
calibrar, especialmente para el caso de suelos espacialmente heterogéneos.
En una segunda aplicación de TOPMODEL al sitio Crimple Beck, Beven et. al.
(1984) encontró que la estructura del modelo anterior, conduce toda el agua
infiltrada inmediatamente a la zona saturada, generando una sobreestimación de
la descarga atribuida a una subestimación de las pérdidas por evapotranspiración.
Se consideró que este problema reflejó la incapacidad del modelo de retrasar el
flujo vertical no saturado del agua entre el almacenamiento de infiltración y el nivel
freático. Una teórica "capacidad de campo" fue por lo tanto introducida al modelo.
Esta comprendió un valor de almacenamiento de infiltración que tenía que ser
superado antes que se permita el flujo a la zona saturada. De esta forma, el agua
impedida de entrar en la zona saturada, quedó disponible para la
evapotranspiración, reduciendo la sobreestimación de crecidas que siguen a los
períodos secos.
Una formulación revisada de los almacenamientos de TOPMODEL ha sido

presentada por Quinn (1991), Beven (1991) y Quinn y Beven (1993) y se muestra
en la Figura 4.4 para el caso de saturación expresada en términos de profundidad
del nivel freático.

Figura 4.4. Una interpretación simple de los elementos de almacenamiento vertical en

TOPMODEL. Si es el déficit de almacenamiento local de drenaje por gravedad, q v es la
recarga local de la zona saturada, y φo es la profundidad de la “franja capilar”
Habrá un juego de almacenamientos para cada clase a/T otanβ (Figura 4.3¡Error! No
se encuentra el origen de la referencia.), de modo que haya un registro adecuado de la
variación prevista en profundidad del nivel freático en el curso del agua a través de
la zona no saturada. Aquí el almacenamiento de la zona de raíces tiene la misma
función de los almacenamientos de intercepción y evaporación de versiones
anteriores de TOPMODEL, a pesar de que puede ser necesario añadir un
almacenamiento adicional de intercepción y superficial, particularmente por las
copas de los árboles. La noción de una zona no activa de agua en el suelo refleja
el concepto de “capacidad de campo”. El flujo vertical desde la zona de raíces
hacia el nivel freático puede ocurrir en la zona de “drenaje gravitacional” cuando la
“capacidad de campo” sea satisfecha. Una conversión muy simple entre el déficit
de almacenamiento, debido al drenaje, y la profundidad del nivel freático asume
que el drenaje rápido gravitacional afecta solo a los poros más grandes, hasta la
“capacidad de campo” y que la diferencia en almacenamiento entre la saturación y
la “capacidad de campo” no cambia con la profundidad. Esto resulta en esta
simple escala lineal.
(4.10)

Donde:
θs Contenido de humedad da saturación.
θfc Contenido de humedad de “capacidad de campo”.
Δθ1 Porosidad de drenaje efectiva.
Ψo Profundidad efectiva de la franja capilar que supone que es la saturación.
Nótese que si la saturación está expresada solo como un déficit de

almacenamiento, no es necesario calibrar los parámetros Δθ1 y Ψo pero ninguna
comparación con niveles freáticos observados deben ser hechos por separado.
Sivapalan (1987, 1990; Wood 1990) ha usado una formula más compleja de
conversión del déficit de almacenamiento en profundidad del nivel freático, en la
cual se asume que algunas características de humedad del suelo son conocidas y
que inicialmente un drenaje gravitacional completo mantiene el nivel freático. Esto
ha sido usado para definir condiciones iniciales, previo a simples simulaciones de
tormentas, pero introduce parámetros adicionales asociados con las funciones
características de la humedad del suelo (relaciones de Brooks-Corey en su caso
con más de tres parámetros) y, mientras una hipótesis supuesta matemática
conveniente es inconsistente con la suposición de que la posición del nivel freático
es controlada por una tasa de recarga constante.
Hornberger (1985) aplicó una versión de TOPMODEL con más almacenamientos,

a una cuenca forestal en el estudio Shenandoah Watershed Acidification. Este
tipo de formulación usó componentes adicionales para permitir la modificación de
la química de lluvias por vegetación y residuos forestales, (hojarasca, etc). El gran
número de parámetros, sin embargo, probó no ser identificables sobre la base de
la simulación de flujos de agua por sí sola.
Medición de Humedad: Flujo en zonas no saturadas
La estructura básica del suelo mostrada en Figura 4.4 puede ser usada para
ilustrar una variedad de descripciones de los procesos en zonas no saturadas
según lo definido por el modelador. Beven (1991) nota la dificultad de predecir el
patrón espacial de flujo en la zona no saturada. Es particularmente difícil una
medición explícita por los efectos de la heterogeneidad local del suelo y la
macroporosidad (Beven y Germann, 1982). Actualmente no se dispone de una
descripción matemática adecuada del flujo no saturado en suelos estructurados
con parámetros que puedan ser identificados a una escala práctica de predicción,

si los valores de parámetros serían determinados por calibración, sólo entonces

estaría disponible una mínima parametrización.
Una mínima parametrización debe dar cuenta de los cambios en los flujos de
zonas no saturadas con el almacenamiento local de la zona no saturada y la
profundidad del nivel freático (o el déficit de almacenamiento), teniendo en cuenta
el hecho de que cualquier relación funcional puede ser altamente no lineal. Dos
fórmulaciones que han sido adoptadas en aplicaciones pasadas del TOPMODEL
han asumido que los flujos de zonas no saturadas son esencialmente verticales y
han sido expresados en términos de flujo de drenaje desde la zona no saturada.
Estas aproximaciones han usado ya sea un simple lapso de tiempo de
almacenamiento déficit-dependiente o una ecuación de flujo basado en la
conductividad. Ambos calculan un flujo de drenaje vertical qv para cada clase de
topografía.
Expresados en términos de déficit de almacenamiento, Beven y Wood (1983)

sugirieron que una fórmula funcional más adecuada para el flujo vertical qv en
cualquier punto i es:
(4.11)
Donde:
Suz Almacenamiento en la zona no saturada (drenaje gravitacional).
Si Déficit local de la zona saturada debido al drenaje gravitacional y
dependiente de la profundidad del nivel freático.
El parámetro td es una constante del tiempo. La ecuación (4.11) es la ecuación de

un almacenamiento lineal pero con una constante de tiempo Si·td que aumenta con
el incremento de profundidad del nivel freático.
Una segunda fórmula propuesta por Beven (1986 a,b) fundamentada en el flujo de
Darcy, en base a una zona no saturada que, mediante una función exponencial de
conductividad, puede expresarse así:
(4.12)
Donde:
α Parámetro de la gradiente hidráulica vertical efectiva.
Ko Conductividad saturada en la superficie.
zi Profundidad local del nivel freático.

Si el valor de α se hace uno, asumiendo que el flujo vertical es igual a la

conductividad hidráulica saturada justo en el nivel freático, se elimina como un
parámetro.
Contabilizar la evapotranspiración con un mínimo número de parámetros es un

problema de complejidad similar al de la zona de drenaje no saturada.
TOPMODEL sigue la práctica generalmente adoptada para calcular la
evapotranspiración actual (Ea) como una función de evaporación potencial (Ep) y el
almacenamiento de humedad de la zona de raíces para casos donde E a no puede
ser especificado directamente. En la descripción que hace Beven (1991) de
TOPMODEL, la evaporación es llevada a su máxima tasa potencial, para que el
agua drene libremente en la zona no saturada y para predecir las áreas de
saturación de la superficie. Cuando se agota la zona de drenaje gravitacional, la
evapotranspiración puede continuar hasta agotar la reserva de la zona de raíces a
una tasa Ea dada por:
(4.13)
Donde:
Srz Déficit de almacenamiento de la zona de raíces.
Srmax Déficit máximo admisible de almacenamiento.
Si una profundidad efectiva de la zona de raíces S rz puede asumirse como Srmax

puede ser calculada por:
Donde:
θwp La humedad contenida en el punto de marchitez.
Para la calibración es necesario únicamente especificar el valor de un solo

parámetro Srmax pero otras formulaciones pueden ayudar a definir este valor.
El flujo de agua que entra en el nivel freático es qv. Este drenaje es además un
componente de la recarga total de la zona saturada global. Para calcular el
balance promedio de agua de la cuenca, deben sumarse todas las recargas
locales. Si Qv es la recarga del nivel freático en cualquier intervalo de tiempo,
entonces:

(4.14)
Donde:
Ai Porción de área asociada con el índice topográfico clase i, como una
fracción del área total de la cuenca.
Cálculo de humedad: flujos de zona saturada
La salida de la zona saturada es dada por el término de flujo base Q b Este puede
ser calculado en un sentido distribuido por la sumatoria de los flujos sub-
superficiales a lo largo de cada m canal que alcanza la longitud l. Recordando la
ecuación 4.1 se puede escribir:
(4.15)
Sustituyendo por zj usando la ecuación (5) y reordenando, se tiene que:
Puesto que aj representa el área de contribución por unidad de longitud de

contorno, luego:
Por lo tanto
(4.16)
Donde:
A área total de la cuenca (m2)
Es por lo tanto posible calcular el flujo base en términos del nivel freático medio de
la cuenca ( ):
(4.17)

Donde
(4.18)
es la descarga cuando o es igual a cero. Esta es la misma fórmula que Beven

y Kirkby (1979) asumieron originalmente, si la relación lineal entre el déficit de
almacenamiento y la profundidad del nivel freático de la ecuación (4.10) se
mantiene. La solución de la ecuación (4.17), para una recesión pura, en la cual las
entradas se supone que son cero, muestra que la descarga tiene una inversa o
una relación hiperbólica de primer orden con el tiempo como:
(4.19)
Así, si la Ecuación (4.17) es una relación apropiada para representar el drenaje

sub-superficial de una cuenca dada, el gráfico 1/Q b con el tiempo debería ser una
línea recta (¡Error! No se encuentra el origen de la referencia.) con pendiente 1/m.
Figura 4.5. Curvas de recesión tipo para tres diferentes cuencas del Reino Unido graficando
1/Q versus el tiempo. Una línea recta indica correspondencia con la ecuación (4.17), la cual
puede ser una adecuada representación para estos casos.

Así dadas algunas curvas de recesión, no mayormente influenciadas por procesos

de evapotranspiración o de derretimiento de nieve, puede ser posible fijar un valor
de m el cual necesitará entonces una mínima calibración.
El déficit de almacenamiento medio antes de cada intervalo se calcula restando la

recarga de la zona no saturada y sumando el flujo base calculado para el intervalo
anterior, así:
(4.20)
Cálculos similares se pueden realizar para la formulación del déficit medio de

almacenamiento de la cuenca.
La ecuación (4.17) se puede usar para la zona saturada al empezar la corrida del
programa. Si la descarga inicial se conoce y se asume que es solo el resultado del
drenaje de la zona saturada, la ecuación (4.17) puede ser modificada para dar
valores de .
4.3.2 Curso del Canal y Estructura de las Sub-cuencas
Para muchas cuencas, especialmente grandes, no es apropiado asumir que toda

la escorrentía alcanza a la salida de la cuenca dentro de un solo intervalo de
tiempo.
En estos casos un encausamiento de la salida del modelo es necesario (Beven

1979). Para este fin, Beven y Kirkby (1979) propusieron que una función de
retardo del flujo superficial y una función del cauce deberían ser empleados
dentro de la estructura del TOPMODEL. Se asume que el tiempo que toma
alcanzar la salida de la cuenca desde cualquier punto está dado por:
(4.21)
Donde:
xi Longitud
tanβi Pendiente
del i ésimo segmento del cauce dividido en N segmentos. El parámetro de

velocidad v (m/h) se asume que es constante. Dada la ecuación (4.21), permite
un único histograma de tiempo de retardo a ser derivado en base a la topografía
de la cuenca para cualquier área contribuyente de escorrentía. Esto es, en
efecto, una variación del método de encausamiento tiempo-área (Clark 1945),
pero desarrollado con el fin de relacionar en forma dinámica el tiempo de retardo

del escurrimiento con el tamaño de la fuente.
Los efectos del encausamiento del canal fueron considerados por Beven y Kirkby
(1979) usando una aproximación basada en la velocidad promedio de la onda de
flujo para la red de canales, siendo relacionada de forma no lineal con el flujo de
salida total. La hipótesis fue una aproximación explícita de un algoritmo de
encausamiento de un canal de onda cinemática y no es recomendado, ya que no
es siempre estable. La mayoría de aplicaciones han sido basadas en un simple
algoritmo de onda de encausamiento de velocidad constante, aquivalente al
algoritmo basado en la función de ancho del canal usado por Surkan (1969),
Kirkby (1976) y Beven (1979, Beven y Wood, 1993), el cual tiene la ventaja que
introduce sólo un parámetro de velocidad de onda.
4.3.3 Derivando el Índice Topográfico
Se requiere un análisis de la topografía de la cuenca para obtener la función de

distribución a/tanB (Figura 4.2). Para obtener valores discretos de a/tanβ está
implicito algún muestreo topográfico. Desarrollos iniciales de TOPMODEL se
fundamentaron en un análisis manual, basado en mapas de información de
pendientes locales, áreas en contra pendiente y zonas de acumulación. Beven y
Kirkby (1979) diseñaron técnicas computarizadas utilizadas para determinar la
función de distribución de la topografía (y el histograma de tiempo de retardo del
flujo superficial) basado en la división de la cuenca en sub-cuencas. Cada unidad
fue discretizada en pequeños elementos de pendiente “local” sobre la base de las
trayectorias dominantes de flujo (deducidas de las líneas de máxima pendiente). El
cálculo de a/tanβ se llevó a cabo para la gradiente de cada elemento. A pesar de
ser una aproximación, este método se justificó por su relativa eficiencia y porque
las observaciones de campo de las líneas de flujo podrían utilizarse en la
definición de los elementos de pendiente a ser analizados. En particular, podrían
ser tomados en cuenta los efectos de desagües y caminos en el control efectivo
las áreas contribuyentes en contra pendiente. Dichas modificaciones humanas de
las vías del flujo hidrológico natural no se incluyen normalmente en modelos
digitales de elevación terreno (DEM) de las cuencas hidrográficas.
Sin embargo, ahora existen métodos computarizados más sofisticados que el

DEM. Quinn (1991) desarrolló un grupo de programas Análisis Digital de Terrenos
(DTA), basado en datos de raster de elevación, con el objetivo de investigar su
utilidad en la obtención de la información topográfica requerida por el TOPMODEL.

La aplicación de estas técnicas para el estudio de la modelación de cuencas ha

sido descrita por Quinn (1991) y Quinn y Beven (1993). Ahí la naturaleza
funcional del índice a/tanβ fue discutida en términos de la calidad de la
representación, de las características topográficas hidrológicamente significativas,
por métodos DTA. Hay elecciones subjetivas que se hicieron en el DTA. Quinn
(1991) describe un algoritmo de dirección de flujo múltiple basado en la
distribución de superficie para todos los elementos de pendiente de la grilla;
Wolock (1993) por otro lado, usa un algoritmo basado en una sola dirección de
flujo con la mayor pendiente. También se han usado otras técnicas; la mayoría de
DEM raster han sido el resultado de datos de curvas de nivel digitalizados a partir
de mapas existentes y Moore (1986) ha usado técnicas DTA basadas en las vías
de flujo resultantes directamente de datos de curvas de nivel para calcular el
índice a/tanβ, una versión computarizada del procedimiento manual original (y
extremadamente tedioso).
A pesar de que estas técnicas ofrecen un buen ahorro de tiempo en la aplicación

del TOPMODEL, también plantean importantes preguntas teóricas de las cuales
dos son las más importantes. La primera, ¿cómo podrían ser calculadas las áreas
contribuyentes en contra pendiente a partir de los datos topográficos? y, la
segunda, ¿qué escala de resolución podría ser adoptada para el DEM de la
cuenca? En términos generales, cabe señalar que los métodos DTA, en el
contexto del TOPMODEL, pueden tener implicaciones sobre procesos hidrológicos
relacionados con la topografía y los valores apropiados de los parámetros. El DEM
debe tener una resolución muy alta para reflejar bien el efecto de la topografía en
las corrientes de flujo superficial o sub superficial. Una resolución tosca de los
datos del DEM puede, por ejemplo, fallar en la representación de algunas
características de la convergencia de pendientes. Sin embargo, una resolución
demasiado fina puede introducir perturbaciones a la dirección de flujo y ángulos de
pendiente que no pueden reflejarse en una superficie del nivel freático. La
resolución apropiada dependerá de las características de la escala del terreno
pero datos de 50m o mejores aproximaciones son normalmente sugeridos. La
experiencia de Lancaster y otros (por ejemplo Jordan 1992; Wendling, 1992;
Chairat y Delleur, 1993a) muestra que la escala usada del DEM afecta la
distribución del índice topográfico resultante, en particular induciendo un cambio
en el valor medio λ y los valores calibrados de los parámetros en aplicaciones
particulares. La ubicación de los ríos, y su influencia en las celdas del DEM que
los contienen, también es problemática. Hay una opción de permitir que la zona de
contra pendiente continúe acumulando a lo largo de la red fluvial, o permitir al río
actuar como un sumidero de los flujos de ladera. La primera tiende a sobreestimar
y la segunda tiende a subestimar la contribución de las zonas riparias si el ancho
del río es pequeño comparado con la escala de la grilla del DEM
Cabe destacar que una parametrización de la distribución de ln(a/tanβ) en algunos

casos puede resultar útil. Sivapalan et al. (1990) introdujo el uso de una
distribución gamma en su versión a escala de TOPMODEL. Wendling (1992)
también utilizo una distribución gamma en una función de producción de
escurrimiento para un modelo de previsión de inundaciones y Wolock (1993) da
detalles de una versión de la distribución gamma para la simulación continua.
4.3.4 El concepto TOPMODEL y la Semejanza Hidrológica

El índice topográfico ln(a/tanβ) o el índice suelo-topográfico ln(a/Totanβ) dada la
aceptación de las hipótesis de simplificación de TOPMODEL, son índices de
semejanza hidrológica en un punto dentro de la cuenca. La respuesta de cualquier
cuenca individual, según lo predice TOPMODEL, depende de la semejanza en la
distribución de los índices y en la secuencia de entrada a la cual la cuenca está
sujeta incluyendo tanto el tiempo como la variabilidad espacial de la tasa de
precipitación y las pérdidas por evaporación. En pequeña escala, por ejemplo
pequeños afloramientos de agua, el patrón de variabilidad también puede ser
importante, pero a escalas más grandes, es factible tener una muestra suficiente
de la posible variabilidad de la topografía, el suelo y la vegetación dentro de la
cuenca que permita la representación de esta variabilidad en términos de simples
funciones de distribución. La escala a la que esta simplificación es válida, la cual
se denominó Área Elemental Representativa (por sus siglas en inglés REA), ha
sido investigada en simulaciones hipotéticas por Wood (1988, 1990). Se utilizaron
datos topográficos reales, junto con modelos espaciales estocásticos del suelo y la
lluvia para evaluar la variabilidad de las respuestas hidrológicas a crecidas
calculadas a diferentes escalas espaciales. Tanto el exceso de infiltración como
los mecanismos de producción de escorrentía por exceso de saturación fueron
incluidos (Figura 4.6).

Figura 4.6. Producción de escurrimiento simulada normalizada como una función del área
media de la cuenca para cuatro intervalos de tiempo. Durante el evento del 4 de Agosto de
1987 en la cuenca de Kings Creek, Kansas
Sus resultados sugirieron una REA mínima para las condiciones simuladas del
orden de 1km2. Es importante señalar que no se sugiere que esta es la escala a la
cual una descripción global de parámetros puede ser utilizada; aún puede ser
necesario para representar la heterogeneidad de la producción de escorrentía a
escalas mayores que el REA, esto se puede hacer por medio de una función de
distribución o funciones de representación de esa variabilidad. Sivapalan (1987,
1990) ha tomado este concepto en la producción de una versión no-dimensional
de TOPMODEL en la que diferentes cuencas se pueden comparar en términos de
varios coeficientes de escala. La similitud de estos coeficientes debería implicar
similitud en la producción de escorrentía.
Estos resultados son, por supuesto, dependientes de la aceptación de que las
hipótesis en las que se basa el índice topográfico de TOPMODEL son realistas.
Estas hipótesis son, primeramente, que el área contribuyente en contra pendiente
se extiende hasta la divisoria de la ladera y que el nivel freático es paralelo a la
superficie del suelo. Sólo entonces es el índice fácil de calcular a partir del análisis
digital del terreno. Ya se ha indicado anteriormente cómo la transmisividad efectiva

del suelo se puede utilizar para modificar el índice, pero esto entonces requiere a
una información adicional que rara vez, o nunca, está disponible en una cuenca a
escala. Además, ambas hipótesis pueden estar equilibradas, pero también a
costa de requerir información adicional.
Ha habido algunas pruebas de la semejanza hidrológica implícita en el índice.

Troch (1993a) ha comparado la conceptualización de TOPMODEL de Sivapalan
(1987) con datos de campo y la salida de una ecuación de Richards totalmente
dinámica en tres dimensiones basada en un modelo de elementos finitos (aunque
con muy diferentes hipótesis acerca de la conductividad del suelo). Demostraron
que la representación del estado cuasi-estacionario del TOPMODEL fue una
aproximación razonable para las mediciones. En las comparaciones con datos de
campo, Moore (1988) encontró una buena correlación con el índice topográfico y
las medidas de la humedad de la superficie del suelo en una pequeña cuenca de
páramo, pero Ladson y Moore (1992) encontraron correlaciones muy pobres con
los sensores gravimétricos y de teledetección (PBMR) de la humedad de la
superficie del suelo en FIFE Konza Pradera en Kansas, una pradera natural, con
una densa capa de hierba en la superficie. Se encontró similarmente poca
correlación entre el índice topográfico y la humedad del suelo gravimétrica y
superficial estimada por el Radar de Apertura Sintética (SAR) para la cuenca
agrícola Slapton Madera en Devon, Reino Unido. La humedad superficial del suelo
es, por supuesto, fuertemente afectada por la evapotranspiración así como por el
flujo superficial y una mejor correlación era de esperar con los niveles freáticos.
Burt y Butcher (1986) demostraron que en algunas cuencas húmedas con un

subsuelo profundo y, a veces con sistemas desconectados de flujo saturado, como
la cuenca Slapton Wood, el índice topográfico (que no permita una transmisividad
variable) puede tener una utilidad limitada como indicador de la profundidad del
nivel freático. Para confirmar esto, se ha demostrado que TOPMODEL puede dar
buenas simulaciones de las descargas de la cuenca Slapton Wood una vez que la
cuenca se ha mojado en invierno, pero que es muy difícil predecir la secuencia de
mojado. Jones (1986) también explica las limitaciones de utilizar un índice
estático, como el ln(a/tanβ), para predecir las respuestas dinámicas de la cuenca.
Jordan (1992), trabajando en una pequeña cuenca en Suiza, encontró que para
algunas fechas hubo una muy buena correlación entre el índice topográfico y la
profundidad del nivel freático, pero en otras fechas una pobre relación.
Otra variable de prueba es el grado de saturación del suelo bajo diferentes

condiciones. Beven y Kirkby (1979) demostraron la similitud en el patrón de las
áreas saturadas medidas y el índice topográfico de una pequeña sub-cuenca de
Beck Crimple en Yorkshire, mientras que Kirkby (1978) presentó un análisis similar

para las áreas saturadas medidas de la cuenca WC-4 del río “Sleepers”, Vermont
(Dunne, 1978). Merot (1988) y Merot y Bruneau (1993) han demostrado que el
índice topográfico puede ser un indicador útil de las zonas de humedales en los
paisajes de Bocage de Bretaña en Francia, mientras que Moore et al. (1988) han
mostrado cómo se pueden predecir las zonas potenciales de erosión.
4.3.5 Calibración del modelo
A los valores de los parámetros introducidos en la descripción de los conceptos de

TOPMODEL se les ha dado nombres basados en descripciones físicas de los
procesos de flujo. Las denominaciones utilizadas, sin embargo, son descripciones
físicas simplificadas, deliberadamente una respuesta a la falta de descripciones
detalladas en la ladera a escala es reducir al mínimo el número de valores de los
parámetros a calibrar. Un número de estudios han sugerido que sólo hay
suficiente información en un conjunto de observaciones precipitación-
escurrimiento para calibrar 4 o 5 parámetros (Kirkby, 1975; Hornberger, 1985). En
esencia, TOPMODEL proporciona un modelo no lineal funcional para respuestas
rápidas y lentas de cuencas y flujo base utilizando un número reducido de
parámetros.
Se ha sostenido en los últimos años que el realismo de los modelos hidrológicos

más complejos puede ser ilusorio (Beven 1987a,1989, Grayson, 1992). Una
implicación de este argumento es que la interpretación física de los parámetros de
calibración puede ser difícil, desde la calibración de los valores de los parámetros
se puede compensar los errores estructurales del modelo y puede haber un
conjunto de parámetros diferentes que pueden dar simulaciones aceptables y
físicamente admisibles. Una consecuencia de estos argumentos es que la idea de
un conjunto "óptimo" de valores de los parámetros deben ser rechazados en favor
de un concepto de multi finalidad de los conjuntos de parámetros. Este concepto
permite que pueda haber múltiples óptimos parámetros de respuesta, interacción
entre parámetros, errores en los datos observados, en efecto, diferentes conjuntos
“óptimos” si se utilizan diferentes períodos de calibración.
De hecho, algunos de los parámetros de TOPMODEL pueden, en principio, ser

determinados a partir de mediciones de campo y algunas aplicaciones se han
hecho utilizando únicamente los valores medidos y estimados (Beven y Kirkby,
1979; Beven, 1983). Cada formulación de TOPMODEL puede presentar un
conjunto de parámetros individuales a ser calibrados, sin embargo, hay siempre
tres o cuatro parámetros críticos que controlan directamente la respuesta del
modelo. Estos son los parámetros de la zona saturada f (o m en la formulación

original de déficit de almacenamiento), los valores de transmisividad saturada T o, y

el parámetro de la zona de la raíces Srmax, y en cuencas grandes la velocidad del
cauce, v.
Ya se ha señalado que el parámetro de caída de la transmisividad saturada, m,

puede ser derivado de un análisis de las curvas de recesión de la cuenca. Dado
que este es uno de los parámetros del modelo más importante que refuerza la
idea de que para simular respuestas hidrológicas de cuencas a escala, las
medidas más útiles se harán en la misma escala, especialmente en las cuencas
no aforadas. La medición más útil será el caudal seguido de una buena estimación
de la entrada de las lluvias, sobre todo si varían espacialmente.
Otros parámetros que pueden (en principio) ser estimados en el campo incluyen
perfiles de la transmisividad del suelo y la cantidad de agua disponible en la zona
de raíces. Para las aplicaciones tempranas de TOPMODEL, Beven y Kirkby (1979)
describieron el método del infiltrómetro de aspersión para la calibración de los
parámetros de la intercepción, del almacenamiento de infiltración, y de la
velocidad del flujo superficial. Estas técnicas fueron utilizadas por Beven (1984)
con razonable éxito en las aplicaciones a tres cuencas del Reino Unido. Estas
medidas son, sin embargo, fundamentalmente, de técnicas de medición “puntual”,
considerando que el modelo requiere ya sea valores efectivos en la escala de la
grilla o distribuciones ideales que reflejan la heterogeneidad espacial en la cuenca.
Las dificultades de muestreo, y la falta de una teoría de los valores efectivos de los
parámetros, suponen que tal heterogeneidad (así como las simplificaciones y
errores inherentes a la estructura del modelo) inevitablemente introducirán
incertidumbre en las predicciones del modelo.
Trabajos recientes en Lancaster se han enfocado en investigar el desempeño del

modelo en términos de multi finalidad de los conjuntos de parámetros y la
incertidumbre, en lugar de la optimización del ajuste (Binley, 1991; Binley y Beven,
1991; Beven y Binley 1992; Beven, 1993). Con este fin, una metodología ha sido
desarrollada (Beven y Binley 1992) por el que la calibración de un modelo
hidrológico genera un conjunto de límites de incertidumbre que definen los rangos
de respuestas esperadas. Este procedimiento se ha denominado Estimación
Generalizada de la Probabilidad de Incertidumbre (GLUE por sus siglas en
inglés). Muchas simulaciones modelo se realizan, cada una asociada a un
conjunto de valores de parámetros escogido de forma aleatoria.
La metodología de la incertidumbre acordó para cada conjunto de parámetros un
peso de probabilidad, definido por algunos, seleccionado subjetivamente, "función
de probabilidad" o índice de rendimiento. Este peso de probabilidad puede ser
definido en términos de hipótesis específicas acerca de la naturaleza de los

residuos del modelo, pero también se pueden utilizar medidas posibilistas

derivados de la teoría de conjuntos difusos. Simulaciones no aceptables están
dadas por un peso de probabilidad de cero. La probabilidad acumulada de todas
las simulaciones conservadas se puede tomar para sumar a la unidad.
En cualquier intervalo, entonces es posible derivar una función de densidad de
probabilidad para todo el rango de simulaciones con modelos ponderados por sus
probabilidades. A partir de esta función, límites de incertidumbre pueden extraerse
(normalmente el quinto y nonagésimo quinto percentiles) definiendo el rango
probable de las predicciones del modelo. No se reconoce una simulación "óptima"
de simulación, sin embargo, mientras más datos de calibración se consideren, o
más combinaciones de parámetros se ponen a prueba, las probabilidades de
simulación pueden ser actualizadas con un enfoque Bayesiano, modificando así
los límites de incertidumbre del modelo. Si estos límites se vuelven más estrechos,
entonces puede considerarse que la calibración del modelo ha mejorado. El caso,
en donde los límites de incertidumbre de la predicción no envuelvan una respuesta
observada, sugiere una falla fundamental del modelo (o una función inapropiada
de probabilidad). Si los cambios en la distribución de probabilidad amplían los
límites de la incertidumbre esto indica una reducción de la capacidad predictiva del
modelo.
Una característica importante del procedimiento de estimación de la incertidumbre

es que permite probabilidades de simulación que se definirán de acuerdo a
diferentes tipos de datos de calibración. Por ejemplo, se pueden combinar los
niveles en los pozos con la descarga observada en el cálculo de la potencia de un
modelo para predecir tanto las profundidades del nivel freático como el caudal
(Binley y Beven, 1991). Esto debería dar una indicación mejor del realismo de la
combinación modelo/conjunto de parámetros. La experiencia de campo puede
tener cabida dentro de este marco. Para una cuenca donde el flujo superficial no
se cree que ocurre, todas las simulaciones de los modelos que exhiben flujo
superficial podrían, por ejemplo, dar una probabilidad de cero. Se noto que la
optimización tradicional corresponde a un conjunto de parámetros con una
probabilidad de uno, con todos los demás da cero. Una de las consecuencias de la
estimación de la incertidumbre asociada con las predicciones es que se plantea la
interrogante de qué tipo de datos serían más valiosos en la reducción de que la
incertidumbre, especialmente con respecto a las predicciones distribuidas del
modelo. En la actualidad, el uso de medidas de, la transmisividad, del nivel freático
y de las áreas saturadas contribuyentes están siendo exploradas dentro de este
marco.
La metodología GLUE es computacionalmente exigente. Miles de realizaciones del

modelo pueden ser necesarias para explorar completamente el espacio de

parámetros definidos para una cuenca dada, cada realización se conserva en la

memoria para la actualización de la probabilidad. Aunque esto puede ser un
obstáculo significativo cuando modelos distribuidos complejos deben ser
calibrados, la estructura simple de TOPMODEL lo hace particularmente adecuado
para la calibración utilizando dichas técnicas de estimación de la incertidumbre. La
técnica se adapta también a la implementación en computadores paralelos.
Algunos ejemplos de cálculo utilizando TOPMODEL para la captación Maimai en
Nueva Zelanda se muestran en la Figura 4.7.
Figura 4.7. Caudal Observado (línea continua) el 90% de la confianza de los límites de
predicción (línea punteada) para diferentes periodos de tormenta en la cuenca Maimai,
Nueva Zelanda
4.4 Revisión Bibliográfica
En esta sección, se mostrará algunos ejemplos de aplicación del TOPMODEL en

ciertas cuencas.

4.4.1 Ejemplos de Aplicación y Resultados

Simulación de cuencas con respuestas húmedas
TOPMODEL se desarrolló originalmente para simular pequeñas cuencas de

montaña en el Reino Unido (Beven y Kirkby, 1979; Beven, 1984). Estos estudios
demostraron que era posible obtener resultados razonables con una calibración
mínima de los valores de los parámetros. Desde entonces han habido aplicaciones
en una serie de cuencas con regímenes húmedos templados en el Oeste de los
EE.UU. (Beven y Wood, 1983; Hornberger, 1985), Nueva Zelanda (Beven, 1993),
Escocia (Robson, 1993). En todos estos casos se ha encontrado que, después de
la calibración de los parámetros, TOPMODEL proporciona buenas simulaciones
de descargas del flujo, y simulaciones ampliamente creíbles de la variable área
contribuyente (Figura 4.8).
Figura 4.8. a.- Precipitaciones, descargas observadas (línea continua) y predicción de las
descargas (línea punteada). Para una simulación de validación de una fracción del registro
para la cuenca del río “Severn” en Plynlimon, Gales.

b.- Predicción de los patrones de los déficit de almacenamiento y saturación para la

simulación TOPMODEL de la cuenca del río Wye en Plynlimon, Gales. (A) Mapa de déficit de
humedad con la mayor área saturada, 1985. (B) Mapa de déficit de humedad con la menor
área saturada, de 1985. (C) Mapa de déficit de humedad con saturación promedio, 1985. (D)
Frecuencia acumulada de saturación para los distintos pixels durante nueve meses en 1985.
La experiencia con la calibración de modelos, sin embargo, ha demostrado que los

valores de los parámetros ajustados pueden ser difíciles de interpretar
físicamente. En particular, la calibración de To parámetro de la transmisividad (al
cual las simulaciones no tienden a ser muy sensible), a menudo dan valores muy
altos. Este parámetro controla la tasa de drenaje de la zona saturada. Podría
haber dos razones para esto. Una es que los valores efectivos de transmisividad
en la dirección del flujo puede ser mucho mayores de los que se podría esperar en
base de las mediciones de la conductividad vertical hidráulica a pequeña escala,
debido a los efectos de rutas preferenciales de flujos o zonas de regolitos
fracturados. Ciertamente, las simulaciones de flujo de Darcy muestran que sólo
con valores altos y una inclinación razonable se tienen curvas de drenaje
sensibles de lo contrario el suelo permanece cerca de la saturación durante largos
períodos de tiempo. En segundo lugar, y posiblemente exacerbando este efecto,
las respuestas rápidas de TOPMODEL se rigen por la distribución del índice

(a/Totanβ). En el análisis de la topografía de la cuenca, el área de drenaje en

contra pendiente, a, se supone que se extiende a la línea divisoria. Esto podría ser
una sobreestimación en muchos casos, especialmente en las cuencas más secas,
de modo que un valor efectivo de a, debido a la variabilidad en la tasa de recarga
en contra pendiente, podría ser mucho menor. Un gran To, entonces podría
compensar cualquier sobreestimación en el índice (a/tanβ).
Las cuencas con sistemas de aguas subterráneas más profundas, o zonas

saturadas localmente empinadas pueden ser mucho más difíciles de modelar.
Estas cuencas tienden a pasar por una secuencia de humectación al final del
período de verano en la que los controles de la recarga a cualquier zona saturada
y la conectividad de las zonas saturadas locales pueden cambiar con el tiempo.
Simulación de las cuencas con respuestas más secas
Un modelo que pretende predecir respuestas rápidas de cuencas, en base de la

dinámica de las zonas saturadas contribuyentes, no parece ser un candidato
idóneo para simular respuestas de cuencas que están a menudo secas, por
ejemplo en climas mediterráneos o de sabana.
Sin embargo Durand, (1992) ha mostrado que TOPMODEL puede simular con
éxito las descargas en las cuencas de Mont-Lozère, en Cevennes, al sur de
Francia. Sempere - Torres (1990) y Wendling (1992) también han utilizado un
TOPMODEL basado en una función de producción de escorrentía para simular la
respuesta de las cuencas de Gardon D`Anduze y Réal Collobrier también en el sur
de Francia respectivamente. Muestran que la función de producción de escorrentía
puede utilizarse con éxito para fines de previsión de inundaciones después de la
calibración de un pequeño número de tormentas y demostró ser más sólido en la
validación, que otras funciones estudiadas.
Sin embargo, la experiencia en la modelación de la cuenca Booro-Borotou en

Costa de Marfil (Quinn, 1991), y en las cuencas en las montañas de Prades de
Cataluña, España, sugiere que TOPMODEL sólo proveerá simulaciones
satisfactoria una vez que la cuenca esté saturada. En muchas cuencas con bajas
precipitaciones, por supuesto, el suelo nunca podrá llegar a un estado saturado, y
la respuesta puede ser controlada por la conectividad de cualquier flujo saturado.
Estas cuencas también tienden a recibir precipitaciones de tormentas cortas, de
intensidad alta. Las precipitaciones pueden dar lugar, al menos localmente, a la
producción de un flujo superficial de exceso de infiltración el mismo que no es
usualmente incluido en las hipótesis fundamentales de los conceptos TOPMODEL

que siempre deben ser tomados en cuenta en relación con el adecuado modelo de
percepción para una cuenca en particular.
Predicciones de frecuencia de inundaciones
Beven (1986a, b) vinculó una versión de TOPMODEL a una tormenta al azar y a

un período entre tormentas para hacer predicciones de la frecuencia de
inundaciones para una serie de climas. Las simulaciones hechas utilizaron
distribuciones del índice suelo-topografía, basadas en distribuciones hipotéticas
de la conductividad hidráulica, que fueron usadas también con la variación del
modelo de infiltración de Green-Ampt de Beven (1984) para hacer predicciones de
la escorrentía distribuida (exceso de infiltración). El modelo permitió la producción
de escorrentía que se analiza en términos de volúmenes de exceso de infiltración,
el exceso de saturación y la flujo superficial, junto con las distribuciones de
frecuencia de exceso de infiltración y las áreas contribuyentes de exceso de
saturación. Estos fueron, sin embargo, simulaciones hipotéticas.
Beven (1987b) aplicó un modelo similar a la cuenca de Wye en Plynlimon, Gales,

con simulaciones basadas en las tormentas y condiciones iniciales aleatorias en
función de las observaciones de campo. El modelo fue capaz de reproducir el pico
observado sobre el umbral de las características de frecuencia de la cuenca, para
los 14 años de registros disponibles después de la calibración de un solo
parámetro. La inseguridad en las predicciones de frecuencia fue evaluada
mediante simulaciones múltiples de períodos de 14 años (Figura 4.9).

Figura 4.9. A.- Curva media de frecuencia de inundaciones simulada en TOPMODEL.(± 1 std.
desv. derivados de 10 realizaciones de cada uno de los 14 años de datos) del río Wye,
Plynlimon, datos de descarga media horaria comparados con los picos observados sobre la
curva de umbral para los 14 años desde 1969 hasta 1982.
B.- Histogramas de frecuencia máximos simulados del área contribuyente para los picos de
inundación por encima de las tormentas umbrales de las 10 realizaciones usadas en A.
Sivapalan, (1990) obtuvo un modelo a escala de frecuencia de inundaciones

basado en los conceptos de TOPMODEL y mostró que la producción de
escorrentía de la cuenca podría ser comparada sobre la base de ocho variables
similares. Sus curvas de frecuencia de inundación fueron derivadas de
simulaciones tormenta a tormenta y mostraron una transición entre el flujo
superficial de exceso de saturación.

TOPMODEL en un marco SIG
Como un modelo distribuido que puede hacer uso de los datos topográficos,
información sobre el suelo y la vegetación TOPMODEL se adapta bien a la
implementación con un Sistema de Información Geográfica (SIG). Aunque muchos
de los sistemas SIG no han tenido las facilidades para acoplar la modelación
interactiva y la visualización de los resultados de una simulación distribuida, un
número de tales implementaciones de TOPMODEL han sido realizadas. En
Lancaster, han estado involucrados en la vinculación de TOPMODEL al Sistema
de Información del Agua (WIS), desarrollado por el Instituto de Hidrología,
Wallingford y ICL Ltd (Romanowicz, 1993a, b). WIS puede acceder directamente a
la base de datos topográfica de 50 m para el Reino Unido, junto con datos de
lluvia y de descarga para sitios de aforo. La aplicación TOPMODEL puede, para
un punto seleccionado en la red fluvial, determinar la distribución adecuada del
índice topográfico, llevar a cabo la calibración de parámetros y un análisis de
sensibilidad incluyendo la GLUE (uncertainty estimation simulations) simulación de
incertidumbres en la estimación, en un procesador paralelo externo (por ejemplo
la Figura 4.10).
Figura 4.10. Implementación de TOPMODEL dentro del Instituto de Hidrología Sistema de

Información del Agua (WIS).
El patrón que se muestra es la predicción del déficit de humedad del suelo para el río Severn
en Plynlimon, Gales.

TOPMODEL y la interacción Superficie Terrestre - Atmósfera
Una limitación de la actual generación de modelos de circulación atmosférica

general (GCM) es que toman poco en cuenta la variabilidad de las características
superficiales y la hidrología en sus cálculos de los flujos de la superficie de la tierra
a la atmósfera. TOPMODEL proporciona una manera muy sencilla de incorporar
esta heterogeneidad en los modelos suelo-vegetación-atmósfera de una manera
en la que la disponibilidad de agua de la superficie para la evapotranspiración
pueda variar en forma dinámica. Esta posibilidad ha sido analizada en una serie
de papers, en particular los de Famiglietti y Wood (1991), Famiglietti, (1992) y
Quinn, (1994). Estos documentos muestran que la variabilidad hidrológica
simulada por TOPMODEL puede tener un efecto importante en los flujos de
evapotranspiración previstos bajo ciertas circunstancias. Sin embargo, hay que
recordar que las hipótesis de TOPMODEL no se cumplirán en todas partes dentro
de un cuadro de grilla GCM. Un enfoque de la función de distribución todavía
podría ser adecuado, pero puede ser necesario considerar un índice más amplio
de la semejanza hidrológica.
Un estudio ha examinado la interacción del cambio climático en un tiempo amplio

y la hidrología utilizando TOPMODEL (Wolock y Hornberger, 1991) y lo ha hecho
de una manera interesante. El modelo utilizado fue calibrado para la cuenca del
White Oak Run en Virginia por Homberger, (1985), pero el modelo se corrió con
secuencias de entrada estocásticas usando un modelo de generación de tormenta
similar al de Beven (1986a, b). Se realizaron simulaciones de sesenta años bajo
diferentes escenarios climáticos, pero a diferencia de muchos otros estudios sobre
los efectos del cambio climático, el uso de múltiples realizaciones permitió el
cálculo de incertidumbres en los efectos hidrológicos de los caudales pico y el
rendimiento de la cuenca para cada escenario. Los resultados demuestran la
dificultad de detectar de forma inequívoca los efectos del cambio climático.
TOPMODEL y predicciones geoquímicas
Uno de los atractivos de TOPMODEL es la posibilidad de hacer predicciones

sobre la división entre la producción de escorrentía superficial y subterránea y la
forma en que estas varían en diferentes partes de una cuenca. De hecho, al
asumir un cierto conocimiento sobre las características de profundidad y químicas
de los diferentes horizontes del suelo, es posible utilizar las predicciones de la
profundidad del nivel freático en lugares diferentes, en momentos diferentes, para
examinar la mezcla de agua del suelo al entrar en la corriente. Esta posibilidad ha
sido explorada por Robson, (1992) en una aplicación de TOPMODEL a la cuenca
Hafren, Plynlimon, Gales. Se demostró que los resultados del modelo, son
equiparables con una interpretación de la mezcla de dos componentes del suelo
de las señales químicas en el corriente, siempre que el flujo generado en las áreas
saturadas contribuyentes, se asume que tiene una composición bien mezclada (ya
sea una mezcla de suelo orgánico y las aguas profundas o la química de la
precipitación media). Las posibilidades de inferir el comportamiento químico de
tales predicciones distribuidas todavía requiere más exploración y validación
interna.
El hecho de que puede haber alguna relación entre las características topográficas
de una cuenca y sus características químicas, con la conclusión de que esto se
debe a los efectos de la topografía en vías de flujo (preferenciales), también ha
sido explorado por Wolock, (1989,1990). En estudios de cuencas en el noreste de
Estados Unidos y Gales se mostro que la media de la distribución ln(a/tanβ) está
fuertemente relacionada con la acidificación de la cuenca. Las predicciones de
TOPMODEL de las áreas susceptibles a la saturación superficial también han sido
utilizadas en Gales para decidir las zonas para encalado (Waters, 1991).
4.4.2 Aplicación del TOPMODEL en micro-cuencas del páramo
El páramo es caracterizado por tener un clima frío y húmedo. Sus suelos

volcánicos (Andosoles) tienen una capacidad de retención de agua muy alta que
amortigua la escorrentía, produciendo un patrón de caudales de las cuencas
bastante uniforme, por lo que sirven como proveedores de agua para las
depresiones andinas densamente pobladas.
TOPMODEL fue aplicado en una micro-cuenca de páramo representativa de 2.58

km2 en la cuenca del río Machangara ubicada al noreste de la ciudad de Cuenca
al sur del Ecuador (Figura 4.11). La cuenca ha sido monitoreada durante un año
con 3 pluviógrafos electrónicos. Los caudales fueron medidos cada 30 minutos
usando un vertedero con sección triangular y un sensor para medir el nivel del
agua. Un modelo digital de elevación con celdas de 20x20 m fue generado a partir
de curvas de nivel. Valores de evapotranspiración fueron determinados con base a
datos meteorológicos medidos en el páramo.

Figura 4.11. La cuenca Huagrauma
TOPMODEL (Beven, 1995) se fundamenta en el concepto del índice topográfico

ln(a/tan b), el cual es una indicación de la susceptibilidad de ciertos puntos de la
cuenca a saturarse completamente (Figura 4.12) y por ello puede ser visto como
un índice de similaridad hidrológica. Los colores más claros de la figura
representan una elevada susceptibilidad a saturarse.
Figura 4.12. Mapa de índices topográficos

Este índice topográfico es calculado con el modelo digital de elevación. La

distribución espacial del índice topográfico es combinada con la asumpsion de que
la distribución de transmisividad pendiente abajo con la profundidad puede ser
descrita como una función exponencial del déficit de almacenamiento.
T=To*exp(-S/m)
El modelo asume una homogeneidad espacial de las propiedades del suelo en la

cuenca y un comportamiento hidrológico similar de los puntos que tienen el mismo
valor del índice topográfico. Los suelos de la cuenca son Andosoles (FAO) con
poca profundidad más o menos homogénea de 0.5 m, cubriendo roca madre
metamórfica. Muestran una gran homogeneidad en características hidrofísicas
(permeabilidad y capacidad de retención de agua). Experimentos de campo
indican que la conductividad saturada de los suelos de páramo es generalmente
alta (alrededor de 20mm/h). Sin embargo, al ya no estar saturado el suelo el
movimiento del agua en el suelo se vuelve muy lento y cae rápidamente a cero
para un pF igual a 1 (antes de llegar a capacidad de campo).
La simulación hidrológica, sensibilidad de parámetros y optimización Monte Carlo

fueron ejecutados para períodos consecutivos de 52 días. El juego de parámetros
óptimos fue escogido de acuerdo al valor más alto del coeficiente de eficiencia de
Nash y Sutcliffe (Beven, 2002). El valor más alto de la eficiencia de Nash y
Sutcliffe que pudo ser obtenido es de 0.77, el cual representa una simulación
satisfactoria.
SRmax (déficit de almacenamiento máximo) y SRinit (déficit de almacenamiento

inicial) son los parámetros menos sensibles ya que ellos no revelan ningún valor
óptimo sobre el rango de posibles valores (Figura 4.13).

Figura 4.13. Valores optimizados de Monte Carlo para cada parámetro de

TOPMODEL
El parámetro más sensible, m, representa la sensibilidad de la conductividad del

suelo al contenido de agua. Un valor pequeño de m indica que la conductividad
cae muy rápidamente cuando el contenido de humedad del suelo deja el punto de
saturación. En general, valores de m en la literatura están alrededor de 0.02 y
0.05. Los valores encontrados caen dentro de este rango.
El parámetro To está relacionado con la conductividad hidráulica saturada del

suelo. Experimentos de campo revelan una conductividad saturada promedio de
14.5 mm/h, variando entre 5 y 35 mm/h. La profundidad del suelo es de unos 0.5
m, así el logaritmo natural de la transmisividad puede ser calculado como:

ln(To) = ln(Ksat * d) = -4.93
con límites entre –5.6 y –4.0. El modelo calcula valores de –3 a –0.15, cayendo
fuera del rango de los valores de mediciones de campo. Por lo tanto el modelo
indica que los experimentos y mediciones de campo (método de pozo invertido,
método de tensiómetroinfiltrómetro, método del núcleo de suelo) subestiman la
conductividad hidráulica del suelo.
Finalmente, la velocidad del agua en los cauces es muy estable entre todas las
diferentes simulaciones. Una velocidad de 750 m/h es muy lenta en comparación
con las estimaciones de campo. Esto también indica que muy probablemente
existe un tipo de “reservorio escondido”, donde el agua es almacenada y que no
está ni en la matriz de suelo ni en la red de drenaje, el cual se cree es fuertemente
relacionado con las grietas y macroporos.

5. RESULTADOS
5.1 Calibración
El proceso de calibración se realizo, seleccionando la seria representativa para

este efecto de cada micro-cuenca, para ello se grafico el caudal junto con la
precipitación media, de esta manera se observó el período que más se
asemejaban, es decir, que el caudal se vea reflejado con la precipitación, con este
análisis, se obtuvo los siguiente períodos mostrados en la Tabla 5.1.
Micro cuenca Período de Calibración

Ortigas 07/Oct/2005 - 07/Abr/2007
Río Grande 04/Ene/2007 - 01/Ene/2008
Marianza Pajonal 21/Oct/2005 - 27/Jun/2007
Marianza Pinos 19/Oct/2006 - 04/Sep/2007
Tabla 5.1. Períodos de Calibración
5.1.1 Cálculo del Índice Topográfico

Algunos programas GIS pueden calcular el índice topográfico, pero el paquete de
TOPMODEL también tiene esta opción. Para determinar el índice topográfico en
“R” se realizó el DEM de cada micro-cuenca en el programa ArcGIS 9.3, y se lo
exporto como archivo de texto ASCII. Los valores que se encuentran fuera de la
cuenca tiene el valor de -9.999 a los cuales se les debe asignar con NA (valor
nulo) en R.
El archivo se puede importar en R con:
DEM <- read.table("DEM.txt")

DEM <- as.matrix(DEM)
Para remover los valores fuera de la cuenca, se hace de la siguiente manera:
DEM[DEM==-9999] <- NA
Las depresiones de rellenan con:
sinkfill(DEM,res,degree)
Donde:
DEM: Una matriz que representa el modelo de elevación digital (m) con el mismo
tamaño de pixeles e igual resolución tanto en x como en y.

res: Resolución del modelo digital, esto depende de la topografía, para el caso de
Ortigas y Río Grande que se tiene una topografía 1:10000 se tomo una resolución
de 5x5m y para Marianza Pajonal y Marianza Pinos donde la topografía esta a una
escala de 1:25000 la resolución es de 10x10m.
degree: Pendiente mínima que debe mantenerse entre las células durante el
llenado.
Esta función (sinkfill) da como resultado una matriz de igual tamaño que la del
DEM.
En la Figura 5.1, se muestra los DEM de cada micro-cuenca calculados en R.
Figura 5.1. DEM de las micro-cuencas obtenido en el R

En la Figura 5.2, se puede observar los DEM de cada micro-cuenca rellenados las
depresiones, también se puede apreciar las zonas más altas (celeste) y las zonas
más bajas (rosado).
Figura 5.2. DEM rellenados las depresiones
Para calcular el índice topográfico se utiliza la siguiente función:

topidx(DEM, resolution)
Donde:
DEM: Una matriz que representa el modelo de elevación digital (m).
resolution: Resolución del modelo digital (m).

Esta función devuelve una lista con dos objetos, atb y el área. El primero es el
índice topográfico (a/tan b) y el segundo es el área acumulada (a).
Figura 5.3. Mapa de Índices Topográficos
En la Figura 5.3 se muestra el mapa de índices topográficos, el cual es una

indicación de la susceptibilidad de ciertos puntos de la cuenca a saturarse
completamente. Los colores más claros representan una elevada susceptibilidad a
saturarse. El modelo asume una homogeneidad espacial de las propiedades del
suelo en la cuenca y un comportamiento hidrológico similar de los puntos que
tienen el mismo valor del índice topográfico.

Figura 5.4. Área de las micro-cuencas
En la Figura 5.4 el área de cada micro-cuenca, de esta figura se obtiene las

coordenadas de los puntos de salida de cada cuenca, las cuales servirán para
hacer cálculos posteriores, estas coordenadas se muestran en la Tabla 5.2.
Micro cuenca Fila (x) Columna (y)

Ortigas 266 102
Río Grande 329 87
Marianza Pajonal 3 165
Marianza Pinos 57 120
Tabla 5.2. Coordenadas de los puntos de salida de las micro-cuencas
A partir del mapa de índices topográficos, se obtiene las clases de índices

topográficos, utilizando la siguiente función:

make.classes(array,n)
Donde:
array: Un vector o una matriz numérica.
n: Número de clases a obtener.
Esta función se divide en un conjunto de n clases distribuidas uniformemente y

calcula el número de elementos de cada clase. Como resultado se obtiene una
matriz de dos columnas, la primera contiene los límites superiores de cada clase, y
la segunda cuenta el número de elementos de cada clase. Para todas las micro-
cuencas en estudio, se tomaron 16 clases de índices topográficos.
5.1.2 Ríos
Para obtener los ríos de las cuencas a modelar, primero es necesario aplicar la
función subcatch, que identifica la cuenca hidrológica basada en un algoritmo de la
única dirección del flujo. Esta función se aplica de la siguiente manera:
subcatch (DEM,outlet)
Donde:
outlet: Un vector que contiene los índices de fila y columna del píxel que
representa la salida de la cuenca, estos valores se mostraron en la Tabla 5.2.
Aplicada esta función se procede a calcular los ríos de cada micro-cuenca, a partir
del DEM. Esta función identifica las células de la cabecera del río, basándose en
el índice topográfico y en el área acumulada.
river(DEM,atb,area,res,thatb,tharea)
Donde:
atb: Una matriz con los valores del índice topográfico generados por topidx.
area: Una matriz con los valores del área de drenaje generados por topidx.
res: Resolución del modelo digital (m).
thatb: Un inicio del índice topográfico de la células de la cabecera.
tharea: Un inicio del drenaje de las células de la cabecera.
Como resultado tenemos una matriz del mismo tamaño del DEM.

Figura 5.5. Ríos de las micro-cuencas
En la Figura 5.5, se muestran los resultados luego de aplicar la función river, se

puede apreciar que estos resultados son muy similares comparándolos con la red
hidrográfica de cada una de las cuencas.
5.1.3 Retraso (Delay)

El flujo se basa en la función de retraso (delay) la cual representa el tiempo que el
agua permanece en el sistema. El resultado de esta función es un matriz con dos
columnas, la primera indica el área relativa acumulada, y la segunda la distancia
media a la salida (m).
Para obtener esta matriz, es necesario utilizar las siguientes funciones:
flowlength(DEM,outlet)

Donde:
outlet: Un vector que contiene los índices de fila y columna del píxel que
representa la salida de la cuenca.
Se obtiene una matriz del mismo tamaño del DEM.
hist(x, ...)
La función de histograma, lo que hace es a partir de los datos dados, que en este
caso es el flujo, genera un histograma.
cumsum(x)
Esta función devuelve un vector cuyos elementos son las sumas acumuladas,
productos, contenidos máximos o mínimos de los elementos del argumento, para
este caso es la suma acumulada del área.
5.1.4 TopModel
Es la implementación de la versión de TOPMODEL de Fortran 1995, por Keith
Beven.
topmodel(parameters, topidx, delay, rain, ET0, verbose = F, Qobs=NA)
Donde:
parameters: Un vector o matriz que contiene los parámetros de entrada.
topidx: Una matriz de dos columnas con su respectivo valor de la clase de índice
topográfico.
Delay: Función de retraso del flujo superficial.
Rain: Un vector con datos de lluvia.
ET0: Un vector con datos de evapotranspiración (m/dia).
verbose: Si esta seleccionada la opción “TRUE”, además de la descarga prevista,
también el flujo superficial, el flujo base, y la zona de almacenamiento.
Qobs: Si el caudal observado es dado, la salida normal se suprime y la eficiencia
de Nash-Sutcliffe es devuelta. (m/día).
TOPMODEL implementa automáticamente una simulación Monte Carlo. Si el

argumento del parámetro es un vector simple el modelo se efectúa una vez, si el
argumento del parámetro es una matriz, cada fila debe representar un conjunto de
parámetros. En ese caso el modelo se ejecuta con cada conjunto de parámetros.

Un conjunto simple de parámetros consiste de:
qs0: Flujo subsuperficial inicial por unidad de área.

lnTe: log de la medida del área de T0 (m2/h).
m: Parámetro del modelo que controla la tasa de disminución de la transmisividad
del perfil del suelo.
Sr0: Déficit de almacenamiento inicial.
Srmax: Déficit de almacenamiento máximo.
td: Tiempo de retraso de la zona no saturada por unidad de déficit almacenado
(h/m).
vch: Canal de flujo fuera de la captación.
vr: Velocidad del tránsito en el canal (m/h).
k0: Superficie de conductividad hidráulica (m/h).
CD: Unidad de capilaridad, ver Morel-Seytoux and Khanji (1974).
dt: Paso del tiempo (h).
k0 y CD son usados para la rutina de exceso de infiltración. Se recomienda dar a

k0 un valor muy alto para evitar el exceso de infiltración del flujo superficial.
La función devuelve la matriz de descarga observada. Si más de un conjunto de

parámetros es dado, una matriz es devuelta con cada columna representando un
conjunto de descargas coincidiendo con el conjunto de parámetros. Si Qobs es
dado la función devuelve una matriz de la eficiencia de Nash-Sutcliffe, 1 por cada
conjunto de parámetros. Si revisar (verbose) se selecciona, una lista es devuelta
con la descarga (Q), flujo superficial (qo), flujo subsuperficial (qs), almacenamiento
(S), exceso de infiltración del flujo superficial (fex), y la evapotranspiración actual
(Ea) por cada paso de tiempo.
5.1.4.1 Simulaciones Monte Carlo

Las simulaciones Monte Carlo (Beven, 2002) generan una gran cantidad de
conjuntos de parámetros escogidos aleatoriamente dentro de un rango de
parámetros determinados con anterioridad a partir de límites impuestos. Entonces
el modelo se corre con cada juego de parámetros y su eficiencia es calculada.
Eficiencia de Nash-Sutcliffe
Las eficiencia de Nash-Sutcliffe pueden extenderse - de ∞ a 1. Una eficacia de 1

(E=1) corresponde a un perfecto modelado de los datos observados. Una eficacia
de 0 (E=0) indica que las predicciones modelo son tan exactas como el medio de

los datos observados, mientras que una eficacia menos de cero (- ∞<E<0) ocurre
cuando el medio observado es un predictor mejor que el modelo. Esencialmente,
cuanto más cercana la eficacia modelo está a 1, más exacto el modelo es.
Luego de haber realizado las simulaciones Monte Carlo, se obtuvieron los

siguientes valores de la eficiencia de Nash-Sutcliffe, mostrados en la Tabla 5.3.
Micro cuenca Eficiencia de Nash

Ortigas 0.85
Río Grande 0.76
Marianza Pinos 0.74
Tabla 5.3. Eficiencia de Nash
Con valores mayores a 0.6 de este coeficiente se dice que se ha llegado a una
buena simulación, por lo que las simulaciones realizadas son satisfactorias.
Sensibilidad de los parámetros
Parámetros insensibles usualmente resultan en distribuciones acumuladas

similares para cada clase, y por el contrario, los parámetros sensibles se
distinguen por diferencias marcadas en las distribuciones acumuladas de cada
clase.

Figura 5.6. Parámetros de la micro-cuenca Ortigas

Figura 5.7. Parámetros de la micro-cuenca Río Grande

Figura 5.8. Parámetros de la micro-cuenca Marianza Pajonal

Figura 5.9. Parámetros de la micro-cuenca Marianza Pinos
Se realizó un completo análisis de sensibilidad para conseguir el mejor ajuste de

los parámetros del modelo. De acuerdo a las Figuras 5.6, 5.7, 5.8 y 5.9, para las
micro-cuencas de Ortigas y Marianza Pinos el parámetro más sensible es m, el
cual representa la sensibilidad de la conductividad del suelo al contenido de agua,
y para las micro-cuencas de Río Grande y Marianza Pajonal, el parámetro más
sensible es Srmax, que representa el déficit de almacenamiento máximo.

Los valores mostrados en la Tabla 5.4 representan los parámetros de calibración

obtenidos luego de realizar las simulaciones Monte Carlo, los cuales corresponden
al valor más alto del coeficiente de eficiencia.
Micro-cuenca
Ortigas Rio Grande Pajonal Pinos
qs0 3.03E-05 8.37E-05 1.74E-05 7.18E-05
lnTe 9.13 -0.49 -1.47 7.51
m 0.21 0.05 0.06 0.03
Sr0 0.46 -0.03 0.64 0.24
Srmax 0.31 0.01 0.06 0.36
td 1.46 2.33 0.51 2.33
vch 1090.23 1161.27 657.98 1161.27
vr 1299.71 1375.97 1012.64 1875.97
k0 6.09 6.36 1.28 6.36
CD 0.20 0.99 2.40 0.99
dt 24 24 24 24
Tabla 5.4. Parámetros de calibración del modelo para cada micro-cuenca
5.1.4.2 Descarga (Q)
100
Qobs Qsim
80
Caudal (l/s)
60
40
20
0
sep-05 dic-05 mar-06 jul-06 oct-06 ene-07 abr-07 ago-07
Fecha
Figura 5.10. Caudal observado y simulado de la micro-cuenca Ortigas

2000
1500
Qobs Qsim
Caudal (l/s)
1000
500
0
nov-06 mar-07 jun-07 sep-07 ene-08
Fecha
Figura 5.11. Caudal observado y simulado de la micro-cuenca Río Grande
De las Figuras 5.10 y 5.11 se puede observar que los resultados de la calibración
son muy alentadores para las micro-cuencas de Ortigas y Río Grande, en las
cuales se ha obtenido un coeficiente de eficiencia de 0.85 y 0.76 respectivamente.
Se puede observar con facilidad que los picos que se tienen en el período de
invierno, no están adecuadamente simulados, mientras que los períodos de
verano son bien simuladas por el modelo, lo cual es de gran utilidad para el
manejo de los recursos hídricos.
100
80 Qobs Qsim
60
Caudal (l/s)
40
20
0
Fecha
Figura 5.12. Caudal observado y simulado de la micro-cuenca Marianza Pajonal

50
40 Qobs Qsim
Caudal (l/s)
30
20
10
0
oct-06 nov-06 ene-07 mar-07 abr-07 jun-07 ago-07 sep-07
Fecha
Figura 5.13. Caudal observado y simulado de la micro-cuenca Marianza Pinos
En la Figura 5.12 y Figura 5.13 se presentan los resultados de calibración de las

micro-cuencas de Pajonal y Pinos respectivamente, en las cuales se obtuvieron
los coeficientes de eficiencia de 0.68 para Pajonal y 0.74 para Pinos, lo cual
muestra que se ha obtenido una calibración satisfactoria. Para estas dos cuencas
se observa que no se genera un flujo base ya que no se marca claramente una
época de verano, al igual que en las micro-cuencas de Ortigas y Río Grande, los
eventos en donde hay picos, no se simula bien.

5.1.4.3 Flujo Superficial (qo)
Ortigas
0.0045
0.004
Flujo Superficial (m/dia)
0.0035
0.003
0.0025
0.002
0.0015
0.001
0.0005
0
Fecha
Río Grande
0.012
0.01
0.008
0.006
0.004
0.002
0
Fecha
Figura 5.14. Flujo superficial en las micro-cuencas de Ortigas y Río Grande
En la Figura 5.14 se muestra el flujo superficial de las micro-cuencas de Ortigas y

Río Grande, en donde se observan picos en el período de invierno, el estado de
Ortigas es inalterado mientras que Río Grande se encuentra alterada.

Pajonal
0.0035

0.003
0.0025
0.002
0.0015
0.001
0.0005
0
Fecha
Pinos
0.0025
0.002
0.0015
0.001
0.0005
0
oct-06 dic-06 feb-07 abr-07 jun-07 ago-07
Fecha
Figura 5.15. Flujo superficial en las micro-cuencas de Pajonal y Pinos
En la Figura 5.15 se puede observar que en las micro-cuencas de Pajonal y Pinos

no existe una regulación del flujo, el estado de las cuencas es de inalterada y
forestada para Pajonal y Pinos respectivamente.

5.1.4.4 Flujo Subsuperficial (qs)
Ortigas
0.006
Flujo SubSuperficial (m/dia)
0.005
0.004
0.003
0.002
0.001
0
Fecha
Río Grande
0.02
0.018
0.016
0.014
0.012
0.01
0.008
0.006
0.004
0.002
0
Fecha
Figura 5.16. Flujo Subsuperficial en las micro-cuencas de Ortigas y Río Grande
De la Figura 5.16, se puede decir que tanto Ortigas como Río Grande tienen una
buena capa de suelos, ya que existe una regulación del flujo.

Pajonal
0.0045

0.004
0.0035
0.003
0.0025
0.002
0.0015
0.001
0.0005
0
Fecha
Pinos
0.0045
0.004
0.0035
0.003
0.0025
0.002
0.0015
0.001
0.0005
0
Fecha
Figura 5.17. Flujo Subsuperficial en las micro-cuencas de Pajonal y Pinos
En la Figura 5.17, se observa el flujo subsuperficial de las micro-cuencas Pajonal y

Pinos, las cuales están conformadas por Andosoles que son de poca profundidad,
es decir estas micro-cuencas no poseen una buena capa de suelos.

5.1.4.5 Almacenamiento (S)
Ortigas
Almacenamiento (m/dia) 3.2
2.8
2.6
2.4
2.2
Fecha
Río Grande
0.29
Almacenamiento (m/dia)
0.24
0.19
0.14
0.09
0.04
Fecha
Figura 5.18. Almacenamiento de las micro-cuencas de Ortigas y Río Grande
De la Figura 5.19, se observa que las micro-cuencas de Ortigas y Río Grande

almacenan agua en la época de verano, lo cual permite que exista una alta
regulación del flujo.

Pajonal
0.29
0.24
0.19
0.14
0.09
0.04
Fecha
Pinos
0.5
0.48
0.46
0.44
0.42
0.4
0.38
0.36
0.34
0.32
0.3
Fecha
Figura 5.19. Almacenamiento de las micro-cuencas de Pajonal y Pinos
Al igual que las otras dos micro-cuencas, como se puede observar en la Figura
5.19 Pajonal y Pinos, también tienen valores altos de almacenamiento, pero tienen
una mala regulación del flujo.

5.1.4.6 Exceso de infiltración del flujo superficial (fex)
Exceso de infiltración (m/dia) Ortigas
-4E-18
Fecha
Río Grande
Exceso de infiltración (m/dia)
-2.00E-18
Fecha
Figura 5.20. Exceso de infiltración de las micro-cuencas de Ortigas y Río Grande
La capacidad de infiltración es la cantidad máxima de agua que puede absorber

un suelo, depende de la humedad del suelo y del material que conforma al suelo,
de la Figura 5.20 se observa fácilmente que en la época de invierno que en donde
es lógico el suelo tiene mayor humedad se registran los mayores valore de exceso
de infiltración.

Pajonal
-2E-18
Fecha
Pinos
-2E-18
Fecha
Figura 5.21. Exceso de infiltración de las micro-cuencas de Pajonal y Pinos
En la Figura 5.21, se observa que las micro-cuencas de Pajonal y Pinos no tienen

una alta capacidad de infiltración a pesar de tener lluvias durante todo el año, esto
se debe a las propiedades del suelo que las conforman (andosoles) y al uso que
se le da al mismo.

5.1.4.7 Evapotranspiración actual (Ea)
Ortigas
0.005
Evapotranspiracion actual (m/dia)
0.0045
0.004
0.0035
0.003
0.0025
0.002
0.0015
0.001
0.0005
0
Fecha
Río Grande
0.005
0.0045
0.004
0.0035
0.003
0.0025
0.002
0.0015
0.001
0.0005
0
Fecha
Figura 5.22. Evapotranspiración actual de las micro-cuencas de Ortigas y Río Grande

Pajonal
0.004

0.0035
0.003
0.0025
0.002
0.0015
0.001
0.0005
0
Fecha
Pinos
0.0035
0.003
0.0025
0.002
0.0015
0.001
0.0005
0
Fecha
Figura 5.23. Evapotranspiración actual de las micro-cuencas de Pajonal y Pinos
La evapotranspiración actual que es aquella que ocurre en la situación real en que

se encuentra el cultivo en el campo, es la cantidad de agua que efectivamente es
utilizada por la evapotranspiración. Las Figuras 5.22 y 5.23 representan la
evapotranspiración actual de cada micro-cuenca.

5.2 Validación
Para la validación se tomó un segundo grupo de datos, en la Tabla 5.5 se

muestran los períodos seleccionados para la validación de cada una de las micro-
cuencas en estudio.
Micro cuenca Período de Validación

Ortigas 07/Oct/2005 - 25/Feb/2010
Río Grande 04/Ene/2007 - 27/Nov/2009
Marianza Pajonal 21/Oct/2005 - 24/Feb/2010
Marianza Pinos 19/Oct/2006 - 25/Feb/2010
Tabla 5.5. Períodos de Validación
Con los parámetros obtenidos en el período de calibración, datos de caudal,

precipitación y evapotranspiración de los períodos seleccionados para la
validación se llegó a los siguientes resultados del coeficiente de Nash- Sutcliffe,
los cuales se muestran en la Tabla 5.6.
Micro cuenca Eficiencia de Nash

Ortigas 0.71
Río Grande 0.63
Marianza Pinos 0.30
Tabla 5.6. Eficiencia de Nash de la validación
Luego de haber obtenido resultados alentadores del coeficiente de eficiencia en el

proceso de calibración, en la validación se logro tener para las micro-cuencas de
Ortigas y Río Grande valores satisfactorios como se puede apreciar en la Tabla
5.6, pero para Pajonal y Pinos no se obtuvieron buenos resultados, lo que se debe
a que para el cálculo de la evapotranspiración se requieren los datos de la
estación meteorológica de Marianza y en la cual se rellenos gran cantidad de
datos, esto lo podemos apreciar en el Anexo 8.2.

Ortigas
180
160 Qsim Qobs
140
120
Caudal (l/s)
100
80
60
40
20
0
may-05 oct-06 feb-08 jul-09 nov-10
Fecha
Rio Grande
4000
3500 Qsim Qobs
3000
Caudal (l/s)
2500
2000
1500
1000
500
0
oct-06 abr-07 nov-07 jun-08 dic-08 jul-09 ene-10
Fecha
Figura 5.24. Validación, caudal observado y simulado de mas micro-cuencas de Ortigas y

Río Grande

Pajonal
120
100 Qsim Qobs
80
Caudal (l/s)
60
40
20
0
Fecha
Pinos
60
50 Qsim Qobs
40
Caudal (l/s)
30
20
10
0
mar-06 oct-06 abr-07 nov-07 jun-08 dic-08 jul-09 ene-10
Fecha
Figura 5.25. Validación, caudal observado y simulado de mas micro-cuencas de Pajonal y

Pinos
En las figuras 5.24 y 5.25 que muestran los gráficos de caudal observado y
simulado de las cuatro micro-cuencas en estudio, se aprecia fácilmente que los
resultados obtenidos corroboran con los coeficientes de eficiencia, ya que para las
cuencas de Ortigas y Río Grande a pesar de que los picos no se simulan de la
mejor manera, el flujo base que es el que nos interesa al momento del manejo de
recursos hídricos si se simula satisfactoriamente, esto nos indica que las

predicciones del modelo pueden ser utilizadas para la realización de cualquier tipo
de estudio.
No se puede decir lo mismo en cuanto a las micro-cuencas de Marianza Pajonal y

Marianza Pinos, ya que en estas se obtuvieron valores bastante bajos de
eficiencia, como ya se dijo anteriormente, esto se debe a que los valores utilizados
de la estación meteorológica de Marianza, en su gran mayoría tuvieron que ser
rellenados debido a la falta de los mismos.

6. CONCLUSIONES Y RECOMENDACIONES
6.1 Conclusiones
Se ha seleccionado el modelo hidrológico TOPMODEL para implementarlo

en cuatro micro-cuencas de alta montaña como son Ortigas, Río Grande,
Marianza Pajonal y Marianza Pinos, las cuales tiene diferente cobertura
vegetal.
TOPMODEL es un modelo de fácil aplicación, que solamente requiere

datos de entrada de precipitación y evapotranspiración, y de caudal para
mediante un análisis de sensibilidad obtener una calibración adecuada de
los parámetros y un coeficiente de eficiencia.
Además del caudal simulado (Q), TOPMODEL da como resultado, el flujo

superficial (qo), flujo subsuperficial (qs), almacenamiento (S), exceso de
infiltración del flujo superficial (fex), y la evapotranspiración actual (Ea), los
cuales permiten tener una apreciación del estado de la cuenca, del tipo de
suelo que la conforma, capacidad de regulación, etc.
El proceso de calibración, se ha efectuado obteniendo resultados

satisfactorios, para las micro-cuencas de Ortigas y Río Grande se simula
muy bien la época de verano, generando un caudal base, lo cual es muy
beneficioso ya que esta época es crítica en cuanto a la demanda del
recurso para los diferentes usos que se le da al mismo.
En las micro-cuencas de Ortigas y Río Grande se puede apreciar fácilmente

la influencia que tiene el tipo de suelo que las conforman (andosol), junto
con el uso que se le da al mismo, que cumple la función de esponja, lo cual
permite la regulación del fuljo en la época de verano.
En cuanto a las micro-cuencas de Pajonal y Pinos, también se logró una

buena calibración, aunque en estas no se marca claramente una época de
verano ya que se tienen precipitaciones durante todo el año, por lo que no
se simula un flujo base que es el más importante para el estudio.
En Marianza Pinos se observa claramente la influencia de la cobertura

vegetal, ya que el pino tiene una gran capacidad de retención de agua, por

lo que no se observa una buena regulación del flujo a pesar de estar

asentado sobre un suelo de excelentes características de regulación.
El proceso de validación para las micro-cuencas de Ortigas y Río Grande

fue satisfactorio, ya que se obtuvieron buenos resultados de eficiencia, lo
cual se ve reflejado en la simulación del flujo lo que permite indicar que las
predicciones del modelo pueden ser utilizadas para la realización de
cualquier tipo de estudio.
Para las micro-cuencas de Pajonal y Pinos no se obtuvo una buena

validación, lo que se debe a que los datos utilizados de la estación de
Chontamarca para el cálculo de la evapotranspiración, no se encontraban
completos por lo que en su gran mayoría fueron rellenados.
Los parámetros más sensibles del modelo son m que representa la

sensibilidad de la conductividad del suelo al contenido de agua; y Srmax,
que representa el déficit de almacenamiento máximo.
El manejo de recursos hídricos tiene el fin de lograr una producción óptima

y sostenida de estos con el mínimo deterioro ambiental, para beneficio de
los pobladores y usuarios de la cuenca, por ello la modelación hidrológica
es una herramienta muy útil al momento de tomar decisiones.
Los resultados obtenidos de la modelación hidrológica deben ser

interpretados correctamente para así tomar la mejor decisión de lo que se
pretenda planificar, en cuanto al manejo de los recursos hídricos.
6.2 Recomendaciones
Implementar un sistema de monitoreo y mantenimiento periódico de los

equipos, para así evitar que los datos obtenidos tengan la menor cantidad
posible de errores y así contar con una información más confiable.
Aplicar TOPMODEL en las mismas cuencas, pero con intervalos de tiempo

más corto, es decir si se cuenta con información horaria, hacer el análisis
para comparar los resultados de la validación.
Por la facilidad de aplicación que brinda el modelo, utilizarlo en el estudio

de otras cuencas y en proyectos de investigación de recursos hídricos.

Se debe continuar con la investigación en el área de modelación hidrológica

ya que a pesar de las limitaciones es posible lograr buenos resultados, y
tomar a esta como una herramienta al momento de tomar decisiones en
cuanto al manejo de los recursos hídricos.

7. BIBLIOGRAFIA
Castillo R., Ortega N., 2009. Modelización Hidrológica de micro cuencas de alta
montaña con el modelo SWAT, Tesis PROMAS-U Cuenca, Ecuador.
Cisneros F., Coello C., Ramirez M., Pacheco E., Mora D., Cisneros P., De Bievre
B., Evidence-based Policy for Integrated Control of Forested River Catchments
in Extreme Rainfall and Snowmelt. 2006. Cuenca-Ecuador
Navarrete, M. D. 2004. Propuesta metodológica para el análisis territorial en le

cuenca hidrográfica del Estero El Peral, Comuna de Carahue, IX Región.
Universidad Católica de Temuco, Chile. Facultad de Ciencias Ambientales.
Vol. (6): 133-134 p.
Robinson, M.A. 2000. Geomorfología del sector ibérico valenciano entre los ríos
Mijares y Tina. Departamento de Geografía, Universidad de Valencia, España.
217 p.
Gravelius, H. 1914. Flusskunde: Grundriss des gesamten Gewasserkunde.

Goschenesche Verlagshandlung, Berlin, En: S.I. Munguía y A.M. Campo. 2003
Características hidrogeomorfológicas de la cuenca del arroyo Pescado
Castigado, Buenos Aires Argentina. Papeles de Geografía, 38: 137-150.
Campos, A. 1992. Proceso del Ciclo Hidrológico. Universidad Autónoma de San

Luis Potosí. 1ª ed. San Luis Potosí, México. 22-23 p.
Shumm, S. 1956. The fluvial system. A Wiley-interscience Publication. John Wiley

and Sons, Inc. New York. 338 p.
González, M. A. 2004. Análisis morfométrico de la cuenca y de la red de drenaje

del río Zadorra y sus afluentes aplicado a la peligrosidad de crecidas. Boletín
de la A.G.E. No. 38. 311-329 p.
Horton, R.E. 1945. Erosional development of streams and their drainaje basins:
hydrophysical approach to quantitative morphology. Geol. Soc. America Bull.
56: 275-280.
Monsalve Sáenz Germán, Hidrología en la Ingeniería. 1999.

Oscar A. Viramontes-Olivas, Luis F. Escoboza-García, Carmelo Pinedo-Álvarez,

Alfredo Pinedo-Álvarez, Víctor M. Reyes Gómez, Jesús A. Román-Calleros,
Adolfo Pérez-Márquez, 2008. Morfometria de la cuenca del rio San Pedro,
Conchos, Chihuahua
Camilo Dalles Rennó, João Vianei Soares. Capitulo 2, Conceitos Básicos de

Modelagem Hidrológica.
Arnold, J. G. M. D. Bircket, J. R. Williams, W. F. Smith, and H. N. McGill. 1987.
Modelling the effects of urbanization on basin water yield and reservoir
sedimentation. Water Resources Bulletin 23(6): 1101-1107.
Programa de Hidrociencias. IRENAT. Colegio de Postgraduados. 56230.

Montecillo, Edo. Empleo del Modelo SWAT para generar alternativas de
manejo en la cuenca del río Laja, GTO., México.
Palacios V., O. L. 1986. El uso de modelos en irrigación y áreas a fines. Terra, 4:

41-49.
Fernando Oñate Valdivieso, Galo Aguilar Naranjo, 2003. Aplicación del modelo
SWAT para la estimación de caudales y sedimentos en la cuenca alta del rio
Catamayo. Arequipa-Peru.
W. Buytaert, R. Célleri, B. De Biévre, J. Deckers, G. Wyseure. Modelando el

comportamiento hidrológico de microcuencas de páramo en el Sur del
Ecuador con TOP MODEL.
Beven K. J. 1995. TOPMODEL. En: Sing V. P. (ed.), Computer Models of

Watershed Hydrology. Water resources Publications. Colorado. pp 627-668.
Beven K. J. 2002. Rainfall-Runoff Modelling. Wiley, Chichester.
Centro de Cambio Global-Universidad Católica de Chile, Stockholm Environment

Institute, 2009. Guía Metodológica – Modelación Hidrológica y de Recursos
Hídricos con el Modelo WEAP. Desarrollada con contribuciones del PACC
(Proyecto de Adaptación al Cambio Climático a través de una efectiva
gobernabilidad del agua en Ecuador), Ministerio del Ambiente de Ecuador, y
PROMAS (Programa para el Manejo del Agua y del Suelo) de la Universidad
de Cuenca, Ecuador.

Beven, K J. 1979 On the Generalized Kinematic Routing Method, Water Resour .

Res. 15; 1238-1242
Beven, K J. 1984, Infiltration into a class of vertically non-uniform soils, Hydrol. Sci.
J., 29,425-434.
Beven, K J. 1986a Hil1slope Runoff Processes and Flood Frequency

Characteristics. In A. D. Abrahams (ed.) Hillslope Processes, 187-202, Allen
and Unwin, Boston.
Beven, K J. 1986b, Runoff production and flood frequency in catchments of order

n: an alternative approach, in V K Gupta, I Rodriguez-Iturbe and E F Wood
(Eds.), Scale Problems in Hydrology, Reidel, Dordrecht, 107-131.
Beven, K J. 1987 a, Towards a New Paradigm in Hydrology, Water for the Future:
Hydrology in Perspective, IASH Publication No.164; 393-403.
Beven, K J. 1987b, Towards the use of catchment geomorphology in flood

frequency predictions, arth Surf. Process. Landf., 12, 69-82.
Beven, K J. 1989b, Interflow, in H J Morel-Seytoux (Ed.) Unsaturated flow in

hydrologic model1ing, Proc. NATO ARW, Arles, Reidel, Dordrecht, 191-219
Beven, K J. 1991 Spatially Distributed Modelling: Conceptual Approach to

RunoffPrediction.1n D.S. Bowles and P.E. O'Connell (eds) Recent Advances in
the Modelling of Hydrologic Systems, 373-387, Kluwer Academic.
Beven, K J. 1993 Prophesy, reality and uncertainty in distributed hydrological

modelling, Advances in Water Resources, 16,41-51.
Beven, K. J. 1994, Process, heterogeneity and scale in modelling soil moisture

fluxes, in S. Sorooshian and V K Gupta (Eds.) Global Environmental Change
and Land Surface Process in Hydrology: The trials and Tribulations of
Modelling and Measuring. Proc. NATO ARW, Tucson, Arizona, to be published
by Springer- Verlag.
Beven, K J and Kirkby, M J. 1976, Towards a simple physically-based variable

contributing area model of catchment hydro1ogy, Working Paper 154, School
of Geography, University of Leeds.
Beven, K J and Kirkby, M J. 1979 A physica11y based variable contributing area

model of basin hydrology Hydrol. Sci. Bu1l., 24(1),43-69.
Beven, K J and Germann, P. 1982 Macropores and Water Flow in Soils, Water
Resour. Res. 18(5),1311-1325.

Beven, K J and Wood, E F. 1983 Catchment Geomorphology and the Dynamics of

Runoff Contributing Areas, J. Hydrol. 65,139-158.
Beven, K and Binley, A M. 1992 The Future of Distributed Models: Model

Calibration and Uncertainty Prediction, Hydrologica1 Processes, 6, 279-298.
Bin1ey, A M and Beven, K J. 1991 Physically-based modelling of catchment

hydrology: a likelihood approach to reducing predictive uncertainty. In D. G.
Farmer and M .J. Rycroft (eds.) Computer Modelling in the Environmental
Sciences, 15-88, The Institute of Mathematics and its Applications Conference
Series, Clarendon Press.
Burt, T P and Butcher, D P, 1986 Development of topographic indices for use in

semidistributed hillslope runoff models, in D Baltenau and O Slaymaker
(Eds.),Geomorphology and Land Management, Zeits. Geomorph. Suppl. Band
58, 1-19.
Chairat, S and Delleur, J W, 1993a, Effects of the topographic index distribution on

the predicted runoff using GRASS, Proc. Amer. Water Resour. Assoc. Symp.
On Geographic Information Systems in Water Resources, Mobile, Al.
March,1993.
Clark, C O. 1945 Storage and Unit Hydrograph, Trans. Am. Soc. Civ. Engrs.,
110;1416-1446
Dolman, A J, 1992, A note on area11y averaged evaporation and the value of

effective surface conductance, J. Hydrology, 138,583-589.
Dunne, T. 1978 Field studies of hillslope flow processes. In M. J. Kirkby (Ed.),

Hillslope Hydrology, 227-293, Wiley.
Dunne, T and Black, R D, 1970, An experimental investigation of runoff production

in permeable soils, Water Resour. Res. 6,478490.
Durand, P, Robson, A, and Neal, C. 1992 Modelling the hydrology of

submediterranean montane catchments (Mont Lozere, France), using
TOPMODEL: initia1 results, J. Hydrol., 139, 1-14.
Farniglietti, J S. 1992 Aggregation and sca1ing of spatially-variable hydrologica1

processes: local, catchment-scale and macrosca1e models of water and
energy ba1ance. Unpublished PhD thesis. Princeton University, Princeton, NJ.
Famiglietti, J S and Wood, E F. 1991 Evapotranspiration and runoff from large land
areas: land surface hydrology for atmospheric genera1 circulation models.
Surv. Geophys., 12,179-204.
Famiglietti, J S, Wood, E F, Sivapalan, M and Thongs, D J. 1992 A catchment

scale water ba1ance model for FIFE, J. Geophys. Res., 97(DI7), 18997-19007.
Grayson, R B, Moore, I D and McMahon, TA, 1992, Physica11y-based hydrologic

modelling. 2. Is the concept rea1istic? , Water Resour. Res., 28,2659.
Homberger, G M, Beven, K J, Cosby, B J and Sappington, D E. 1985 Shenandoah

Watershed Study: Calibration of a Topography-Based, Variable Contributing
Area Hydrological Model to a Sma1l Forested Catchment, Water Resour. Res.
21; l841 1850.
Jones, A J J, 1986, Some limitations of the a/s index for predicting basin wide
patterns of soil water drainage, Z. Geomorph., NF, Suppl. Band 60, 7-20.
Jordan, J-P, 1992, Identification et modélisation des processus de génération des

crues: application au bassin versant de la Haute-Mentue. These de Doctorat
XXX. Département de Génie Rural, Ecole polytechnique fédérale de
Lausanne, Switzerland.
Kirkby, M J. 1975 Hydrograph Modelling Strategies. In R. Peel, M. Chisholm and P.

Haggett (Eds) Process in Physical and Human Geography. Heinemann, 69-90
Kirkby, M J, 1976, Tests of the random network model and its application to basin
hydrology, Earth Surface Processes, I, 197-212.
Kirkby, M J, 1978, Implications for Sediment Transport, in M J Kirkby (ed.) Hillslope

Hydrology , Wiley, Chichester, Ch. 9
Ladson, A R and Moore, I D, 1993, Soil water prediction by microwave remote

sensing and topographic attributes, J. Hydrology, 144.
Merot, Ph and Bruneau, P. 1993 Sensitivity of bocage landscapes to surface run -

off: application ofthe Kirkby index, Hydrol. Process., 7,167-176.
Moore, I D, Mackay, S M, Wa1Ibrink, P J, Burch, G J and O'Loughlin, E M. 1986

Hydrologic characteristics and modelling of a sma1I forested catchment in
southeastern New South Wales, J. Hydrol., 83, 307-335.
Moore, ID, Burch, G J and Mackenzie, D H. 1988 Topographic effects on the

distribution of surface soil water and the location of ephemeral gullies, Trans.
Amer. Sco. Agric. Engrs., 31, 1098-1107.
O'Loughlin, E M. 1981 Saturation regions in catchments and their relation to soi1

and topographic properties, J. Hydrol., 53,229-246.

O'Loughlin, E M. 1986 Prediction of Surface Saturation Zones in Natural

Catchments by Topographic Analysis, Water Resour. Res., 22; 794-804.
Quinn, P F. 1991 The Role of Digital Terrain Analysis in Hydrological Mode11ing,

unpubl. Ph.D., Lancaster University, U.K.
Quinn, P F and K J Beven, 1993, Spatial and temporal predictions of soi1 moisture
dynamics, runoff, variable source areas and evapotranspiration for Plynlimon,
rnid- Wales, Hydrol. Process., 7,425-448.
Quinn, P F, Beven, K J and Culf, A. 1994, The introduction of macroscale

hydrological complexity into land surface-atmosphere transfer function models
and the effect on planetary boundary layer development, J. Hydrology , in
press.
Robson, A, Beven, K J and Nea1, C. 1992 Towards identifying sources of

subsurface flow: a comparison of components identified by a physically based
runoff mode1 and those deterrnined by chemical mixing techniques, Hydro.
Process., 6, 199-214.
Robson, A J, Whitehead, P G and Johnson, R C. 1993. An application of a

physically based serni-distributed model to the Balquhidder catchments, J.
Hydrol., 145,357-370.
Romanowicz, R, Beven, K J and Moore, R V. 1993a, Topmodel as an app1ication

module within WIS, in K Kovar and H P Nachtnebel (Eds.) HydroGIS 93:
Application of Geographical Inforrnation Systems in Hydrology and Water
Resources, IAHS Pubn. No.211,
Romanowicz, R, Beven, K J and Moore, R v. 1993b, GIS and distributed

hydro1ogical models, in P M Mather (Ed.), Geographical Information Hand1ing
-Research and App1ications, Wiley, Chichester, 197-205.
Sempere-Torres, D, 1990, Ca1cul de la lame ruisselée dans la modélisation plui-

débit: limitations des approches globa1es et introduction simplifiée de la
topographie et de la variabilité spatia1e des pluies. These de Doctorat., fustitut
de Méchanique de Grenoble, France.
Sivapa1an, M, Beven, K J and Wood, E F. 1987 On Hydrologica1 Similarity: 2 A

Scaled Model of Storm Runoff Production, Water Resour. Res. 23(12); 2266-
2278.
Sivapa1an, M, Wood, E F and Beven, K J. 1990 On Hydrological Simi1arity: 3. A

dimensionless flood frequency distribution, Water Resour. Res., 26, 43-58.

Surkan, A J, 1969, Synthetic hydrographs: effects of network geometry, Water

Resour. Res., 5,112-128.
Troch, P A, Mancini, M, Paniconi, C and Wood, E F, 1993a, Evaluation of a

distributed catchment sca1e water balance model, Water Resour. Res., 29,
1805-1817.
Waters, D, Jenkins, A, Staples, T and Dona1d, A P. 1991 The importanGe of

hydrologica1 source areas in terrestria1liming, J. fustn: Water Engrs. Manag.,
5,336-341.
Wendling, J, 1992, Modélisation pluie-débit: comparaison d'approches

conceptuelles/physico-déterministes, globa1es/semi-distribuées. Essai de
prise en compte de la variabilité spatia1e des pluies. (Application au bassin
versant du Réa1 Collobrier). These de Doctorat, fustitut nationa1
polytechnique de Grenoble, France.
Wolock, D M, 1993, Simulating the variable-source-area concept of streamflow

generation with the watershed model TOPMODEL, U.S. Geologica1 Survey,
Water-Resources fuvestigations Report 93-4124, Lawrence, Kansas, 33 pp.
Wo1ock, D M, Homberger, G M, Beven, K J and Campbe11, W G. 1989 The

re1ationship of catchment topography and soi1 hydrau1ic characteristics to
1ake a1ka1inity in the Northeastem United States, Water Resour. Res.,
25,829-837.
Wo1ock, D M, Homberger,.G M and T Musgrove,T. 1990, Topographic contro1s on

episodic stream water acidification in Wa1es, J; Hydrol., 1l5,243-259.
Wo1ock. D M and Homberger, G M. 1991 Hydro1ogica1 effects of changes in

leve1s of atmospheric carbon dioxide, J. Forecasting, lO, 105-116.
Wood, E.F., Sivapa1an, M., Beven, K J, and Band, L. 1988 Effects of Spatial
Variability and Scale with implications to Hydrologica1 Mode11ing, J. Hydrol.
102, 29-47.
Wood, E F, Sivapa1an, M and Beven, K J. 1990 Similarity and sca1e in catchment

storm response, Rev. Geophys. 28, 1-18.

8. ANEXOS
8.1 Datos de Precipitación
Chontamarca
180
160 Rellenados Medidos
140
Precipitación (mm)
120
100
80
60
40
20
0
feb-05 feb-06 ene-07 ene-08 dic-08 dic-09 nov-10
Fecha
Figura 8.1. Precipitación del pluvíografo Chontamarca
Potrerillos
120
Rellenados Medidos
100
Precipitación (mm)
80
60
40
20
0
Fecha
Figura 8.2. Precipitación del pluvíografo Potrerillos

Suscalpamba
120

Precipitación (mm) 80
60
40
20
0
Fecha
Figura 8.3. Precipitación del pluvíografo Suscalpamba
Ortigas
160
Precipitación (mm)
120
100
80
60
40
20
0
Fecha
Figura 8.4. Precipitación del pluvíografo Ortigas

Pajonal 1
30
25 Medidos
Precipitación (mm)
20
15
10
0
Fecha
Figura 8.5. Precipitación del pluvíografo Pajonal 1
Pajonal 2
35
30
Rellenados Medidos
Precipitación (mm)
25
20
15
10
0
Fecha
Figura 8.6. Precipitación del pluvíografo Pajonal 2

Marianza
25
Rellenados Medidos
20
Precipitación (mm)
15
10
0
Fecha
Figura 8.7. Precipitación del pluvíografo Marianza
Pinos
40
35 Medidos
Precipitación (mm)
30
25
20
15
10
5
0
Fecha
Figura 8.8. Precipitación del pluvíografo Pinos

8.2 Datos Meteorológicos
Chontamarca
30
25
Temperatura ºC
20
15
10
5 T. Max Rellenados T. Min

0
Fecha
Marianza
16
T. Max T. Min Rellenados
14
12
Temperatura ºC
10
8
6
4
2
0
Fecha
Figura 8.9. Datos de temperatura máxima y mínima

Chontamarca
1000
Medidos Rellenados
Radiación Solar (W/m2)
800
600
400
200
0
Fecha
Marianza
800
700
Radiación Solar (W/m2)
Rellenados Medidos
600
500
400
300
200
100
0
Fecha
Figura 8.10. Datos de radiación solar

Chontamarca
20
Medidos Rellenados
15
10
0
Fecha
Marianza
3.5
3.0 Medidos Rellenados
2.5
2.0
1.5
1.0
0.5
0.0
Fecha
Figura 8.11. Datos de velocidad del viento.

Chontamarca
120
100
Humedad Relativa %
80
60
40
20 Medidos Rellenados
0
Fecha
Marianza
120
100
Humedad Relativa %
80
60
40
20
Rellenados Medidos
0
Fecha
Figura 8.12. Datos de humedad relativa.

Serrano-Modelación Hidrológica Semidistribuida de Micro Cuencas PDF

Загружено:

Сведения о документе

Исходное описание:

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Serrano-Modelación Hidrológica Semidistribuida de Micro Cuencas PDF

Загружено:

Авторское право:

Доступные форматы

UNIVERSIDAD DE CUENCA

Con la finalidad de contribuir al entendimiento del manejo integral de cuencas

Palabras clave: Páramo, Modelación Hidrológica, Micro cuenca, TOPMODEL.

Martha Elena Carrillo Serrano 1

Martha Elena Carrillo Serrano 2

Martha Elena Carrillo Serrano 3

Dedico el presente trabajo a mis

Martha Elena Carrillo Serrano 4

Al Ing. Cristian Coello M.Sc. quien como tutor de la investigación me brindo su

En su acepción más simple, se conoce como cuenca hidrográfica al área

Se entiende por manejo de cuencas hidrográficas la aplicación de principios y

Con la finalidad de contribuir al entendimiento del manejo integral de cuencas

Para el desarrollo de la presente tesis, el área geográfica de investigación lo

Martha Elena Carrillo Serrano 6

El presente trabajo de investigación consiste en la descripción de la zona de

Posterior a estas actividades se procede a clasificar los modelos hidrológicos,

Otra fase de la investigación consiste en la calibración del modelo, esto

Con la implementación del modelo se procederá a la presentación de

1.1 Antecedentes y Justificación

Un adecuado manejo de los recursos hídricos comprende un proceso de

La modelación hidrológica es una herramienta de ayuda que permite entender

Con el desarrollo del tema de investigación se pretende adquirir experiencia en

Martha Elena Carrillo Serrano 7

montaña. Es muy importante conocer los procesos hidrológicos, para lo cual el

El PROMAS Universidad de Cuenca viene desarrollando proyectos de

En este sentido y en el marco del proyecto “Modelación hidrológica distribuida

1.3.1 Objetivo General

Contribuir al claro entendimiento del proceso hidrológico en cuencas

1.3.2 Objetivos específicos

Seleccionar e Implementar un modelo hidrológico semidistribuido en

Martha Elena Carrillo Serrano 8

2.1 Ubicación geográfica del área de estudio

La zona de estudio para la presente investigación consta de cuatro micro-

Las dos primeras micro-cuencas, Ortigas y Río Grande, se encuentran

El relieve de la zona en estudio se encuentran en la lateral oeste de la

Figura 2.1. Localización de las micro-cuencas de Ortigas y Río Grande

Martha Elena Carrillo Serrano 9

Río Grande: Esta tiene una extensión de 5,46Km2, un perímetro de 10545m,

Ortigas: Esta tiene una extensión de 0,99Km2, un perímetro de 4750m, el

El clima tiene dos estaciones marcadas: invierno (diciembre-mayo), en donde

Las otras dos micro-cuencas con diferente cobertura vegetal fueron

Figura 2.2. Localización de las dos micro-cuencas de páramo

Martha Elena Carrillo Serrano 10

Marianza Pajonal: Esta micro-cuenca tiene una extensión de 1,03Km 2, un

Marianza Pinos: Esta micro-cuenca tiene una extensión de 0,59km 2, un

El páramo está caracterizado por un clima frío y húmedo. La precipitación es

2.2 Morfometría de las cuencas

El proceso de caracterización de las propiedades morfométricas de la red de

Coeficiente de Compacidad (Cc) o Índice de Gravelius (1914): Es la

Martha Elena Carrillo Serrano 11

Clase de Indice de Compacidad

Los resultados del índice de compacidad y la respectiva clasificación de las

Micro-cuenca Area (km2) Perímetro (km) Cc Forma de la Cuenca

Razón de Elongación (Re): Es la relación entre el diámetro de un círculo con

En la Tabla 2.3 se puede observar los valores de la razón de elongación y la

Martha Elena Carrillo Serrano 12

Micro-cuenca Area (km2) Longitud del cauce (km) Re Forma de la Cuenca

En la Tabla 2.4 se muestra la clasificación de las micro-cuencas según el factor

Micro-cuenca Area (km2) Longitud de la cuenca (km) F Forma de la Cuenca

Tamaño de la cuenca: Para definirla, Campos (1992) propone una

Martha Elena Carrillo Serrano 13

2.3 Equipamiento y Medición